使用 SVD 与 Movielens/Netflix 类型数据集的基本伪代码

Question

我正在努力弄清楚如何开始使用 SVD 与 MovieLens/Netflix 类型数据集进行评级预测。我非常感谢 python/java 中的任何简单示例，或所涉及过程的基本伪代码。有许多论文/帖子总结了总体概念，但我不确定如何开始实现它，即使使用了一些建议的库。

据我了解，我需要按如下方式转换我的初始数据集：

初始数据集：

    user    movie   rating
    1       43      3
    1       57      2
    2       219     4

需要旋转为：

user        1   2
movie   43  3   0
        57  2   0
        219 0   4

此时，我是否只需将此矩阵注入到可用库提供的 SVD 算法中，以及然后（以某种方式）提取结果，或者我还需要做更多的工作吗？

我读过的一些信息：

http://www.netflixprize.com/community/ viewtopic.php?id=1043
http://sifter.org/~simon/journal/20061211.html
http://www .slideshare.net/NYCPredictiveAnalytics/building-a-recommendation-engine-an-example-of-a-product-recommendation-engine
http://www.slideshare.net/bmabey/svd-and -netflix-dataset-presentation
..以及许多其他论文

一些图书馆：
LingPipe(java)
Jama(java)
Pyrsvd(python)

如有任何提示，尤其是有关基本数据的提示，我们将不胜感激放。 非常感谢， 奥利

Answer 1

数据集： http://www.grouplens.org/node/73

SVD：如果您不明白如何进行 SVD，为什么不在 SAGE 中进行呢？ Wolfram alpha 或 http://www.bluebit.gr/matrix-calculator/ 将分解矩阵给你，或者它在维基百科上。

Answer 2

请参阅SVDRecommender。关于输入格式的问题完全取决于您使用的库或代码。没有一个标准。在某种程度上，是的，代码将在内部构造某种矩阵。对于 Mahout，当以文件形式提供时，所有推荐器的输入都是一个 CSV 文件，其中包含诸如 userID,itemID, rating 之类的行。