如何用深度學習推薦電影？教你做自己的推薦系統！

簡介

幾乎所有人都喜歡與家人、朋友一起觀看電影度過閑暇時光。大家可能都有過這樣的體驗：本想在接下來的兩個小時里看一個電影，卻坐在沙發上坐了20分鐘不知道看什麼，選擇困難症又犯了，結果好心情也變得沮喪。所以，我們很需要一個電腦代理，在做挑選電影的時候提供推薦。

現在，電影智能推薦系統已經成為日常生活中的一部分。

Data Science Central 曾表示：

「雖然硬數據很難獲得，但知情人士估計，對亞馬遜和Netflix這樣的大型電商平台，推薦系統為它們帶來高達10%至25%的收入增長」。

在這個項目中，我研究了一些針對電影推薦的基本演算法，並嘗試將深度學習融入到電影推薦系統中。

把娛樂與視覺藝術相結合，電影是一個很好的例子。電影海報可以直接、快速地把電影信息傳達給觀眾。Design Mantic表示：「不論上映前後，電影海報都是創造噱頭的主要因素。多半的人（目標觀眾）都根據海報來決定買不買票，看不看電影。」我們甚至可以僅僅根據海報字體，來推測這個電影的情緒。

這聽起來有點像魔術——但看一眼海報就預測齣電影的類型，的確是可能的。就拿我來說，瞟一眼海報就知道我想不想看這個電影了。舉個例子，我不是卡通迷，一看到有卡通主題海報，就知道不是我的菜。這個決策的過程很直接，並不需要閱讀電影評論（不確定誰真的有時間讀那些評論）。因此，除了標準的電影推薦演算法，我還用了深度學習來處理海報，並將相似的電影推薦給用戶。最終目標是模仿人類視覺，並僅僅通過觀察海報，就能用深度學習創建一個直觀的電影推薦系統。該項目是受到Ethan Rosenthal博客啟發。我對他博客里的代碼進行了修改，以適應這個項目的演算法。

我們用的是從 MovieLens 下載的電影數據集。他包含9066個電影和671名用戶，分成了100000個打分和1300個標籤。這個數據集最後更新於10/2016.

協同過濾

粗略地說，有三種類型的推薦系統（不包括簡單的評級方法）

基於內容的推薦

協同過濾

混合模型

「基於內容的推薦」是一個回歸問題，我們把電影內容作為特徵，對用戶對電影的評分做預測。

而在「協同過濾」推薦系統中，一般無法提前獲得內容特徵。是通過用戶之間的相似度（用戶們給了用一個電影相同的評級）和電影之間的相似度（有相似用戶評級的電影），來學習潛在特徵，同時預測用戶對電影的評分。此外，學習了電影的特徵之後，我們便可以衡量電影之間的相似度，並根據用戶歷史觀影信息，向他/她推薦最相似的電影。

「基於內容的推薦」和「協同過濾」是10多年前最先進的技術。很顯然，現在有很多模型和演算法可以提高預測效果。比如，針對事先缺乏用戶電影評分信息的情況，可以使用隱式矩陣分解，用偏好和置信度取代用戶電影打分——比如用戶對電影推薦有多少次點擊，以此進行協同過濾。另外，我們還可以將「內容推薦」與「協同過濾」的方法結合起來，將內容作為側面信息來提高預測精度。這種混合方法，可以用「學習進行排序」（"Learning to Rank" ）演算法來實現。

該項目中，我會聚焦於「協同過濾」方法。首先，我將討論如何不使用回歸，而是電影（用戶）相似度來預測評分，並基於相似度做電影推薦。然後，我將討論如何使用回歸同時學習潛在特徵、做電影推薦。最後會談談如何在推薦系統中使用深度學習。

電影相似性

對於基於協作過濾的推薦系統，首先要建立評分矩陣。其中，每一行表示一個用戶，每一列對應其對某一電影的打分。建立的評分矩陣如下：

df = pd.read_csv( ratings.csv , sep= , )

df_id = pd.read_csv( links.csv , sep= , )

df = pd.merge(df, df_id, on=[ movieId ])

rating_matrix = np.zeros((df.userId.unique().shape[0], max(df.movieId)))

for row in df.itertuples():

rating_matrix[row[1]-1, row[2]-1] = row[3]

rating_matrix = rating_matrix[:,:9000]

這裡「ratings.csv」包含用戶id，電影id, 評級，和時間信息；"link.csv"包括電影id, IMDB id,和TMDB id。每一個電影利用 API 從 Movie Databasewebsite 獲得海報，都需要 IMDB id——因此，我們將兩個表格結合到一起。我們檢驗了評分矩陣的稀疏性，如下：

sparsity = float(len(ratings.nonzero()[0]))

sparsity /= (ratings.shape[0] * ratings.shape[1])

sparsity *= 100

當非零項（entry）只有1.40%的時候評級矩陣是稀疏的。現在，為了訓練和測試，我們將評分矩陣分解成兩個較小的矩陣。我們從評分矩陣中刪除了10個評分，把它們放入測試集。

train_matrix = rating_matrix.copy()

test_matrix = np.zeros(ratings_matrix.shape)

for i in xrange(rating_matrix.shape[0]):

rating_matrix[i, :].nonzero()[0],

size=10,

replace=True)

train_matrix[i, rating_idx] = 0.0

test_matrix[i, rating_idx] = rating_matrix[i, rating_idx]

根據以下公式計算用戶/電影中的（餘弦Cosine) 相似性

這裡s(u,v)是用戶u和v之間的餘弦相似度。

similarity_user = train_matrix.dot(train_matrix.T) + 1e-9

norms = np.array([np.sqrt(np.diagonal(similarity_user))])

similarity_user = ( similarity_user / (norms * norms.T) )

similarity_movie = train_matrix.T.dot(train_matrix) + 1e-9

norms = np.array([np.sqrt(np.diagonal(similarity_movie))])

similarity_movie = ( similarity_movie / (norms * norms.T) )

利用用戶之間的相似性，我們能預測每個用戶對電影的評級，並計算出相應的MSE。該預測基於相似用戶的評分。特別地，可以根據以下公式進行打分預測：

用戶u對電影i的預測，是用戶v對電影的評分的（標準化的）加權和。權重為用戶u和v的相似度。

from sklearn.metrics import mean_squared_error

prediction = similarity_user.dot(train_matrix) / np.array([np.abs(similarity_user).sum(axis=1)]).T

prediction = prediction[test_matrix.nonzero()].flatten()

test_vector = test_matrix[test_matrix.nonzero()].flatten()

mse = mean_squared_error(prediction, test_vector)

print MSE = + str(mse)

預測的MSE為9.8252。這個數字意味著什麼？這個推薦系統是好是壞？僅僅看著MSE結果來評估預測效果不是很符合直覺。因此，我們直接檢查電影推薦來評估。我們將搜索一個感興趣的電影，並讓電腦代理來推薦幾部電影。首先要得到相應的電影海報，這樣就能看到都有什麼電影被推薦。我們使用IMDB id,使用它的API從Movie Database 網站獲取海報。

import requests

import json

from IPython.display import Image

from IPython.display import display

from IPython.display import HTML

idx_to_movie = {}

for row in df_id.itertuples():

idx_to_movie[row[1]-1] = row[2]

idx_to_movie

k = 6

idx = 0

movies = [ idx_to_movie[x] for x in np.argsort(similarity_movie[idx,:])[:-k-1:-1] ]

movies = filter(lambda imdb: len(str(imdb)) == 6, movies)

n_display = 5

URL = [0]*n_display

IMDB = [0]*n_display

i = 0

for movie in movies:

(URL[i], IMDB[i]) = get_poster(movie, base_url)

i += 1

images =

for i in range(n_display):

images += "

float: left; border: 1px solid black; src= %s />"

% URL[i]

display(HTML(images))

好玩的來了！讓我們來搜索一個電影並看看四個最相似的推薦。讓我們試著搜索《盜火線》，在左手邊第一個，後面是四部推薦的電影。

《盜火線》是1995年上映的一部美國犯罪電影，由羅伯特·德·尼羅、阿爾·帕西諾主演。搜索結果看起來不錯。但《離開拉斯維加斯》可能不是一個好的建議，我猜原因是因為電影《勇闖奪命島》里有尼古拉斯·凱奇，《The Rock》，以及對喜歡 《盜火線》的觀眾而言，它是一個不錯的推薦。這可能是相似性矩陣和協同過濾的缺點之一。讓我們試試更多的例子。

這個看起還好。《玩具總動員2》絕對是應該推薦給喜歡《玩具總動員》的觀眾。但是《阿甘正傳》在我看來不合適。顯然，因為湯姆·漢克斯的聲音出現在《玩具總動員》里，所以《阿甘正傳》也被推薦了。值得注意的是，我們可以只看一眼海報就分辨出《玩具總動員》與 《阿甘正傳》的區別，比如電影類型、情緒等。假設每一個小孩都喜歡《玩具總動員》，他們可能會忽略《阿甘正傳》。

交替隨機梯度下降

在前面的討論中，我們簡單地計算了用戶和電影的餘弦相似度，並以此來預測用戶對電影的評分，還根據某電影推薦其它電影。現在，我們可以把問題做為一個回歸問題；對所有的電影加入潛在特徵y，對所有用戶加入權重向量x。目標是將評分預測的（在 2-norm 的正則化條件下）MSE最小化。

雷鋒網提醒：權重向量和特徵向量都是決策變數。顯然，這不是一個凸函數問題，現在也不需要過分擔心這個非凸函數的收斂性。有很多方法能解決非凸函數的優化問題。方法之一就是以交替方式（）解決權重向量（對用戶）和特徵向量（對電影）。處理權重向量時，假設特徵向量是常向量；處理特徵向量時，假設權重向量是常向量。解決這個回歸問題的另一種方法，是將權重向量與特徵向量的更新結合起來，在同一個迭代中更新它們。另外，還可以藉助隨機梯度下降來加速計算。這裡，我用隨機梯度下降來解決這個回歸問題，我們的MSE預測如下：

這個MSE比用相似性矩陣得到的，要小得多。當然，我們也可以使用網格搜索和交叉驗證對模型、演算法調參。再看看電影搜索的推薦：

看起來並不是很好。我覺得這四部電影不應該通過搜索《盜火線》推薦給我，他們看起來與《盜火線》完全不相關，這四個電影是浪漫、戲劇類。如果我找的是一部有大明星的美國犯罪電影，我憑什麼會想要看戲劇電影? 這讓我很困惑——一個好的MSE的結果可能會給我們一個風馬牛不相及的推薦。

因此，我們討論一下基於協同過濾的推薦系統的弱點。

協同過濾方法通過使用數據，來發現類似的用戶和電影，這將導致熱門電影比小眾電影更容易被推薦。

由於新上映的電影沒有太多的使用數據，指望協同過濾向用戶推薦任何新電影很不現實。

接下來，我們將考慮採用另一種方法來處理協同過濾問題——用深度學習推薦電影。

深度學習

我們將在Keras中用VGG16來訓練神經網路。我們的數據集中沒有目標，只是將倒數第四層作為一個特徵向量。我們用這個特徵向量，來描述數據集中的每一個電影。雷鋒網提醒，在訓練神經網路之前，還需要做一些預處理，訓練過程如下。

df_id = pd.read_csv( links.csv , sep= , )

idx_to_movie = {}

for row in df_id.itertuples():

idx_to_movie[row[1]-1] = row[2]

total_movies = 9000

movies = [0]*total_movies

for i in range(len(movies)):

if i in idx_to_movie.keys() and len(str(idx_to_movie[i])) == 6:

movies[i] = (idx_to_movie[i])

movies = filter(lambda imdb: imdb != 0, movies)

total_movies = len(movies)

URL = [0]*total_movies

IMDB = [0]*total_movies

URL_IMDB = {"url":[],"imdb":[]}

i = 0

for movie in movies:

(URL[i], IMDB[i]) = get_poster(movie, base_url)

if URL[i] != base_url+"":

URL_IMDB["url"].append(URL[i])

URL_IMDB["imdb"].append(IMDB[i])

i += 1

# URL = filter(lambda url: url != base_url+"", URL)

df = pd.DataFrame(data=URL_IMDB)

total_movies = len(df)

import urllib

poster_path = "/Users/wannjiun/Desktop/nycdsa/project_5_recommender/posters/"

for i in range(total_movies):

urllib.urlretrieve(df.url[i], poster_path + str(i) + ".jpg")

from keras.applications import VGG16

from keras.applications.vgg16 import preprocess_input

from keras.preprocessing import image as kimage

image = [0]*total_movies

x = [0]*total_movies

for i in range(total_movies):

image[i] = kimage.load_img(poster_path + str(i) + ".jpg", target_size=(224, 224))

x[i] = kimage.img_to_array(image[i])

x[i] = np.expand_dims(x[i], axis=0)

x[i] = preprocess_input(x[i])

model = VGG16(include_top=False, weights= imagenet )

prediction = [0]*total_movies

matrix_res = np.zeros([total_movies,25088])

for i in range(total_movies):

prediction[i] = model.predict(x[i]).ravel()

matrix_res[i,:] = prediction[i]

similarity_deep = matrix_res.dot(matrix_res.T)

norms = np.array([np.sqrt(np.diagonal(similarity_deep))])

similarity_deep = similarity_deep / norms / norms.T

在代碼中，我們首先使用API和IMDB id，從TMDB網站獲取電影海報。然後向VGG16提供海報來訓練神經網路。最後，用VGG16學習的特徵來計算餘弦相似性。獲得電影相似性之後，我們可以推薦相似度最高的電影。VGG16總共有25088個學來的特徵，我們使用這些特徵來描述數據集中的每個電影。

來看看使用深度學習的電影推薦系統。

《導火線》不再和愛情戲劇一起出現了！這些電影海報有一些相同的特點：深藍色的、上面還有人物等等。讓我們再來試試《玩具總動員》。

《阿甘正傳》不會再被推薦了！結果看起來不錯，朕心甚慰，再來試試別的！

注意，這些海報里都有一或兩個人，並有冷色系的主題風格。

這些海報想讓觀眾知道相應電影的氛圍歡樂、緊張，並有很多動作鏡頭，所以海報的顏色也很強烈。

不同於上一組，這些海報想告訴觀眾：這些電影講述的是一個單身漢。

我們找到的與《功夫熊貓》類似的電影。

這一組很有趣。一群相似的怪獸以及湯姆·克魯斯！

所有這些海報里都有姿勢類似的女士。等等，那個是奧尼爾！？

成功找到了蜘蛛俠！

這些海報的排版設計很接近。

結論

在推薦系統中有幾種使用深度學習的方法：

無監督學習

從協同過濾中預測潛在特徵

將深度學習生成的特徵作為輔助信息

電影海報具有創造噱頭和興趣的視覺元素。這個項目中，我們使用了無監督深度學習，通過海報來學習電影的相似性。顯然，這只是在推薦系統中使用深度學習的第一步，我們還可以嘗試很多東西。例如，我們可以用深度學習來預測協同過濾生成的潛在特徵。Spotify的音樂推薦也使用了類似的方法，區別於圖像處理，他們通過處理歌曲的聲音，來用深度學習來預測協同過濾中的潛在特徵。還有一個可能的方向。是把深度學習學到的特徵作為輔助信息，來提高預測的準確性。

vianycdatascience，雷鋒字幕組編譯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 唯物 的精彩文章: