Проект: "Разработка системы рекомендаций аудиотреков"

Выполнил: Кирилл Н.

1. Описание проекта

Целью проекта является создание рекомендательной системы для пользователей музыкального сервиса на основе их истории прослушиваний. В рамках проекта были проведены предобработка и анализ данных, сгенерированы рекомендации нескольких типов, посчитаны метрики на тестовой выборке и разработан веб-сервис на базе FastAPI для получения смешанных рекомендаций.

Основные использованные инструменты:

• Visual Studio Code
• Jupyter Lab
• implicit.ALS
• Catboost Classifier
• S3-хранилище на Yandex Cloud
• FastAPI
• uvicorn

2. Структура репозитория

• recommendations.ipynb - основной Jupyter Notebook для анализа даннных и обучения моделей;
• recommendations_service.py - основное FastAPI-приложение для получения оффлайн- и онлайн-рекомендаций;
• features_service.py - вспомогательное FastAPI-приложение для получения онлайн-рекомендаций на основе треков с похожими жанрами;
• events_service.py - вспомогательное FastAPI-приложение для сохранения и получения последних онлайн-событий, необходимых для генерации персональных онлайн-рекомендаций;
• requirements.txt - библиотеки для работы в Jupyter Notebook и запуска сервиса;
• tests.ipynb - Jupyter Notebook для отправки тестовых запросов;
• config.ini - конфигурационный файл с адресами сервисов и другими параметрами.

3. Как воспользоваться репозиторием

• Перейдите в домашнюю папку и склонируйте репозиторий на ваш компьютер

  cd ~
  git clone https://github.com/ibnkir/music-recsys-project

• Создайте виртуальное окружение и установите в него необходимые Python-пакеты

  python3 -m venv .venv_music_recsys
  source .venv_music_recsys/bin/activate
  pip install -r requirements.txt
  

• Скачайте три файла с исходными данными по ссылкам ниже и положите их в папку репозитория

  • Данные о треках - tracks.parquet
  • Имена артистов, названия альбомов, треков и жанров - catalog_names.parquet
  • Данные о том, какие пользователи прослушали тот или иной трек - interactions.parquet

  Для удобства можно воспользоваться командой wget:

  wget https://storage.yandexcloud.net/mle-data/ym/tracks.parquet
  wget https://storage.yandexcloud.net/mle-data/ym/catalog_names.parquet
  wget https://storage.yandexcloud.net/mle-data/ym/interactions.parquet
  

• Запустите Jupyter Lab в командной строке

  jupyter lab --ip=0.0.0.0 --no-browser
  

• Чтобы не выполнять подготовительный код в Jupyter-ноутбуке и сразу перейти к запуску и тестированию проекта, скачайте три файла с готовыми рекомендациями по ссылкам ниже и положите их в папку репозитория:

  • Топ-треки top_popular.parquet
  • Похожие треки similar.parquet
  • Финальные рекомендации recommendations.parquet

4. Этапы и результаты выполнения проекта

4.1 Предобработка и анализ данных

• Проверили исходные данные на наличие пропусков, дубликатов, некорректных типов, значений и связей между таблицами. Для экономии ресурсов оставили только треки, где были заполнены все четыре категории: жанр, артист, альбом и название трека. Из истории прослушиваний убрали строки, соответствующие удаленным трекам;
• По той же причине сократили датасет событий примерно в 3 раза с 5.4Gb до 1.5-2Gb, для этого у всех пользователей удалили около 2/3 прослушиваний, оставив в истории каждого пользователя только треки на позициях 1, 4 ,7 и т.д., после чего удалили колонку track_seq;
• Также для экономии памяти оставили тип int32 у идентификаторов пользователей и треков в таблице interactions. Соответствующую колонку в таблице tracks привели к тому же типу;
• Предобработанные данные о треках и прослушиваниях сохранены в файлах items.parquet и events.parquet и загружены в S3-хранилище.

Код для предварительной обработки и анализа данных представлен в файле recommendations.ipynb.

4.2 Расчёт рекомендаций

Ниже перечислены полученные рекомендации и их метрики на тестовой выборке:

• Случайные рекомендации (baseline #1):

  • Precision@5: 0.0
  • Recall@5: 0.0

• Рекомендации на основе топ-100 популярных треков (baseline #2):

  • Precision@5: 0.00124
  • Recall@5: 0.00117
  • F1@5: 0.00120
  • Покрытие "холодных" пользователей: 0.38
  • Среднее количество совпавших рекомендаций на одного «холодного» пользователя: 1.8

• Персональные рекомендации на основе коллаборативной фильтрации с помощью ALS (по 50 рекомендаций на каждого пользователя):

  • Precision@5: 0.00222
  • Recall@5: 0.00360
  • F1@5: 0.00274
  • Novelty@5: 0.792
  • Покрытие объектов: 0.004

• Персональные рекомендации на основе ранжирующей catboost-модели по нескольким признакам, включая коллаборативные оценки, количество треков, прослушанных каждым пользователем, и жанровые оценки (по 50 рекомендаций на каждого пользователя):

  • Precision@5: 0.00221
  • Recall@5: 0.00358
  • F1@5: 0.00273
  • Novelty@5: 0.781
  • Покрытие объектов: 0.004

Также были рассчитаны контентные i2i-рекомендации с помощью ALS на основе жанровой близости треков для генерации онлайн-рекомендаций (по 10 на каждый трек).

Помимо расчета метрик все рекомендации были оценены визуально на случайно выбранных примерах. Код для расчёта рекомендаций представлен в файле recommendations.ipynb.

4.3 Запуск и тестирование сервиса

Исходный код основного и вспомогательных сервисов содержится в файлах:

• recommendations_service.py - основной сервис для генерации офлайн- и онлайн-рекомендаций;
• features_service.py - вспомогательный сервис для поиска похожих треков;
• events_service.py - вспомогательный сервис для сохранения и получения последних прослушанных треков пользователя.

Перед запуском убедитесь, что в репозитории находятся все необходимые parquet-файлы с рекомендациями (см. выше), а также конфигурационный файл config.ini, в котором прописаны url всех трех сервисов. Далее выполните 3 команды (по одной на каждый сервис) в 3-х разных терминалах, находясь в корневой папке проекта:

uvicorn recommendations_service:app
uvicorn events_service:app --port 8020
uvicorn features_service:app --port 8010

Для отправки тестовых запросов откройте 4-й терминал, перейдите на нем в папку проекта и выполните команды, соответствующие различным сценариям для произвольно выбранного пользователя и объектов, как показано ниже:

• Получение топ-10 рекомендаций по умолчанию
  python test_service.py
• Получение первых 10 персональных рекомендаций только по офлайн-истории пользователя с user_id=617032
  python test_service.py --offline --user_id 617032 --k 10
• Добавление item_id=99262 в онлайн-историю пользователя с user_id=617032
  python test_service.py --add_online --user_id 617032 --item_id 99262
• Добавление item_id=590303 в онлайн-историю пользователя с user_id=617032
  python test_service.py --add_online --user_id 617032 --item_id 590303
• Добавление item_id=597196 в онлайн-историю пользователя с user_id=617032
  python test_service.py --add_online --user_id 617032 --item_id 597196
• Получение первых 10 персональных рекомендаций только по онлайн-истории пользователя с user_id=617032
  python test_service.py --online --user_id 617032 --k 10
• Получение первых 10 смешанных персональных рекомендаций по офлайн- и онлайн-истории пользователя с user_id=617032 (первые на четных позициях, вторые на нечетных)
  python test_service.py --blended --user_id 617032 --k 10

Также для тестирования можно использовать Jupyter-ноутбук tests.ipynb