FIRE
code
dataloader
对数据集进行预处理，并根据超参数进行增量学习。
get_user_item_sim_mat
get_sim_mat
get_init_mats
get_train_test_data
get_date_from_timestamp
metric
计算衡量指标 F1、MRR、NDCG三项指标。
calculate_precision_recall_f1()
calculate_mrr()
calculate_ndcg()
analyse
MovieLens 1M
将ratings.csv数据集划分为训练集和测试集。
比如：ratings.csv中共有892982条数据，其中777387条用作训练，115595用作测试。
测试集包含两部分：
- historical records: 488938 条记录
- current records: 288449 条记录
| dataframe | u | i | r | t | m |
|---|---|---|---|---|---|
| 0 | 0 | 0 | 4 | 957110420 | 0 |
| 1 | 0 | 1 | 4 | 957110420 | 0 |
| 2 | 0 | 2 | 4 | 957110420 | 0 |
| 3 | 0 | 3 | 4 | 957110420 | 0 |
| 4 | 0 | 4 | 5 | 957110444 | 0 |
| … | … | … | … | … | … |
| 777382 | 5289 | 62 | 5 | 975599952 | 6 |
| 777383 | 5289 | 488 | 3 | 975599968 | 6 |
| 777384 | 5289 | 1382 | 5 | 975599968 | 6 |
| 777385 | 5289 | 1195 | 4 | 975599985 | 6 |
| 777386 | 5289 | 862 | 5 | 975599985 | 6 |
测试集如下：
| dataframe | u | i | r | t | m |
|---|---|---|---|---|---|
| 0 | 5289 | 1025 | 2 | 975600009 | 7 |
| 1 | 5289 | 1474 | 4 | 975600009 | 7 |
| 2 | 5289 | 123 | 5 | 975600009 | 7 |
| 3 | 4371 | 2287 | 5 | 975600014 | 7 |
| 4 | 5289 | 1094 | 4 | 975600029 | 7 |
| … | … | … | … | … | … |
| 115590 | 1855 | 334 | 4 | 978276135 | 7 |
| 115591 | 1855 | 298 | 4 | 978276165 | 7 |
| 115592 | 1855 | 313 | 4 | 978276197 | 7 |
| 115593 | 1855 | 799 | 3 | 978276226 | 7 |
| 115594 | 1855 | 1710 | 1 | 978276264 | 7 |
衡量指标：F1、MRR、NDCG
与最先进的增量推荐算法（BPR、IFM、SML等）相比，FIRE 可以大幅提高准确性。
Test metrics:
扫描二维码关注公众号，回复：
14562103 查看本文章
- Top5: F1:0.0699 MRR:0.4218 NDCG:0.4713
- Top10: F1:0.1120 MRR:0.4105 NDCG:0.4805
而且，将模型更新效率提高至少3倍。
Time info:
- Training phase consumes: 1.93 s
- Test phase consumes: 21.50 s
- Total time consumes: 23.43 s
Douban Movie
测试集包含两部分：
- historical records: 681171 条记录
- current records: 103876 条记录
| dataframe | u | i | r | t | m |
|---|---|---|---|---|---|
| 0 | 916 | 2444 | 3 | 1199118064 | 0 |
| 1 | 962 | 2194 | 3 | 1199119069 | 0 |
| 2 | 842 | 1137 | 5 | 1199119473 | 0 |
| 3 | 409 | 2920 | 4 | 1199120568 | 0 |
| 4 | 460 | 3100 | 4 | 1199123126 | 0 |
| … | … | … | … | … | … |
| 785042 | 7283 | 1748 | 5 | 1514735496 | 9 |
| 785043 | 8382 | 8705 | 3 | 1514735573 | 9 |
| 785044 | 8275 | 4330 | 3 | 1514735639 | 9 |
| 785045 | 2296 | 9264 | 2 | 1514735806 | 9 |
| 785046 | 2296 | 8920 | 3 | 1514735933 | 9 |
测试集如下：
| dataframe | u | i | r | t | m |
|---|---|---|---|---|---|
| 0 | 5442 | 8752 | 2 | 1514736417 | 10 |
| 1 | 8291 | 5346 | 5 | 1514736435 | 10 |
| 2 | 1884 | 9161 | 5 | 1514736466 | 10 |
| 3 | 4199 | 2765 | 5 | 1514736479 | 10 |
| 4 | 9365 | 9126 | 2 | 1514736590 | 10 |
| … | … | … | … | … | … |
| 216866 | 2940 | 7940 | 4 | 1567837805 | 11 |
| 216867 | 8108 | 9997 | 5 | 1567837919 | 11 |
| 216868 | 6157 | 654 | 4 | 1567838962 | 11 |
| 216869 | 1294 | 1363 | 4 | 1567839436 | 11 |
| 216870 | 9861 | 4294 | 4 | 1567839568 | 11 |
下面是Douban数据集的性能指标。
Test metrics:
- Top5: F1:0.0094 MRR:0.0272 NDCG:0.0348
- Top10: F1:0.0127 MRR:0.0305 NDCG:0.0456
Time info:
- Training phase consumes: 5.86 s
- Test phase consumes: 249.54 s
- Total time consumes: 255.40 s