introduce to Librec
Overview
LibRec 是一个基于java 1.7以GPL-3.0协议发布的开源推荐系统. LibRec内包含大量推荐算法并可以通过这些算法快速解决rating和ranking问题. 目前LibRec已被RecSys wiki收录.
与1.4相比, 2.0版本重新程序的整体结构, 接口更加合理, 可扩展性更强. 对于已经实现的程序, 可以使用命令行和参数或者配置文件来执行. 开发新推荐算法可以通过继承相应的抽象类来实现.
因Librec中系统结构发生变化, 对于1.4中实现的算法, 需要做以下调整来适配LibRec 2.0:
QuickStart
getting LibRec
Run examples in shell
Linux And MAC:
bash librec rec -exec -conf ../core/src/mian/resources/rec/baseline/usercluster-test.propertiesWindows:
Command Line Usage
librec.sh [CATEGORY] -exec [OPTIONS] where CATEGORY is one of: data: rec: OPTIONS: -load -save -D|-jobconf: -conf -libjars
using property file to configure settings
Librec通过properties格式来定义配置文件. 数据的读取以及数据集划分算法等可以直接在driver.classes.props进行定义 不同推荐系统的个性化推荐算法可以通过配置项定义之后, 可以使用-conf来进行加载
include librec on other project
learning more about LibRec
LibRec Basics
brief summary of LibRec structure
librec保存在
Data propercess pipeline
prepare data
data structure
稀疏矩阵保存时同时以CSR与CSC的格式保存
loading data
读取数据的类为Convertor, 通过readData方法来进行数据的读取,相关的配置文件示例如下:
splitting data
目前项目中分别实现了通过ratio进行数据分割, K折交叉验证, leave-one-out, 与GivenN四种分割方式. 配置文件实例如下:
running an algorithms
setting similarity
choose one recommender algorithm
目前有基于矩阵分解等推荐算法共六十余种,
evaluate the result
librec对于rating的算法实现了MAE, MPE, MSE, RMSE四种评估算法 对ranking算法实现了AUE, AveragePrecision等十种评估算法