Sistemas de Recomendación con algoritmo de filtrado colaborativo

Autor@s

• Aide Jazmín González Cruz (@AideJGC)
• Carolina Acosta Tovany (@caroacostatovany)
• Elena Villalobos Nolasco (@ElenaVillano)

Descripción

Implementación del algoritmo de filtrado colaborativo

Paquetes necesarios

Paqueterías globales de python

• pandas
• numpy
• random
• matplotlib

Paqueterías realizadas

• sis_recom
• cli(recomiendame)

Instrucciones para correr el programa

1.- Instalar paqueterías de python que se encuentran en el requirements.txt

pip install -r requirements.txt

2.- Colocar al mismo nivel de ejecución del notebook y de los .py, los .csv a analizar:

• links_small.csv
• ratings_small.csv
• movies_metadata.csv

Hay 2 formas de correr el programa:

• Con jupyter notebook
• En consola

Para correr con jupyter notebook

1.- Abrir el notebook sistema_recomendacion.ipynb y ejecutar cada celda. En el notebook se encontrará lo siguiente:

• Carga de datos usando la función load_data del paquete sis_recom.py, con la que obtenemos la matriz de usuarios, películas y raitings correspondientes (extraidos de los archivos links_small.csv y ratings_small.csv), un arreglo de nombres de las películas (que se extrae del archivo movies_metadata.csv) y un arreglo de asociación de posición del id de la película (para realizar las recomendaciones).
• Se realiza la separación del set de entrenamiento y de prueba
• Se manda llamar a la clase Matrix_Factorization que es la que se encarga de la factorización de matrices (U y V)
• Se gráfican los errores cuadráticos medios de cada iteración para ver el comportamiento del algoritmo.
• Después se busca la K óptima
• En la parte de prueba del usuario se puede sustituir el id_user por otro id y obtener sus recomendaciones. En este caso sacamos 2 listas de recomendación. La primera incluye sólo las nuevas películas calificadas que el usuario no ha calificado (no ha visto las películas). Y el segundo saca la lista incluyendo las películas que ya vio (para comparar lo que calificó vs lo que se obtuvo)
• También se puede sacar el desempeño NDCG para un usuario en partícular y finalmente se muestra el promedio de esta métrica de todos los usuarios.

Para correr en consola

1. Abrir terminal, posicionarse en el repositorio donde se encuentren los archivos .py y ejecutar:

recomiendame --help

Este comando te dará información sobre las opciones con las que puede correr el módulo recomiendame

2. Ejecutar

recomiendame --usuario 2

Este comando cargará la matriz que se predijo durante nuestro entrenamiento con k=36 y desplegará las recomendaciones para el usuario 2.

3. Ejecutar

recomiendame --crear_matriz --k 280 --usuario 10

Este comando realizará el entrenamiento con k=280 y obtendremos una nueva matriz de recomendaciones, y desplegará las recomendaciones para el usuario 10.

Ojo: Si se ejecuta el comando con las opciones --crear_matriz y --k y después se ejecuta el comando para sólo recomendaciones, sin realizar el entrenamiento, estas recomendaciones se darán con la úlltima matriz entrenada.

Estructura del proyecto

Nombre archivo	Contenido
cli.py	Código para ejecución en consola
matrix_factorization.py	Clase de Factorización de matrices para predecir entradas vacías en una matriz
matriz_recomendaciones.pkl	Matriz obtenida de la predicción
requirements.txt	Paqueterías utilizadas
setup.py	Set up para ejecución en consola
sis_recom.py	Módulos necesarios para cargar datos, entrenar, predecir y obtener desempeño ncdg
sistema_recomendacion.ipynb	Jupyter notebook de ejecución para entrenar, predecir, cross validation y obtención de desempeño con ncdg