LibRec GUI 簡介

LibRec雖然配置靈活，但配置項的種類繁多，用戶在使用時，不論是自己編輯配置文件還是使用命令行介面進行配置，都有可能出現遺漏和錯誤。目前在我們的GitHub主頁上，有些issue就是因為用戶配置錯誤而提出的。所以為了方便用戶使用，LibRec 團隊繼命令行介面後，準備推出圖形用戶介面。本文以目前實現的原型程序為例，介紹圖形用戶介面的使用方法。

下圖為圖形介面主頁面，目前支持中文和英文兩種語言。如圖所示，本圖形用戶介面的主要功能是對LibRec的各個模塊：數據模型(DataModel)、相似度(Similarity)、推薦演算法(Recommender)、評估器(Evaluator)、過濾器(Filter)，進行配置；之後執行推薦演算法，顯示訓練日誌和執行結果。

依次點擊主頁面上的各個配置按鈕，首先進入的是數據模型配置。

它主要包括對數據輸入、輸出路徑的配置以及轉換器(Convertor)和分割器(Splitter)的配置。

目前支持的數據文件格式包括UIR和UIRT，數據模型類型包括 text 和 arff，數據分割方式包括ratio、kcv、givenn、loocv、testset。二值化閾值將評分值按閾值劃分為0和1，一般在排序預測演算法中使用。

相似度的配置需要指定相似度的度量對象和相似度類型。

推薦演算法的配置包括演算法名稱和演算法自身參數的配置。如下圖中選擇UserKNN演算法，需要指定鄰居的數量。

配置評估器時首先要選擇是否啟用評估器，之後選擇評估類型是評分預測評估還是排序預測評估，最後選擇具體的評估器，同類評估器可以多選。其中排序類的評估器還需指定topN的值。

過濾器的配置需要指定待過濾用戶、物品ID的列表以及過濾器類型。

完成以上配置後，點擊主頁面的「執行推薦演算法」按鈕，會進入推薦結果頁面，點擊「執行演算法」後，會在中間的文本域顯示LibRec的執行日誌以及推薦結果。

除了可以按前述流程使用圖形界面進行配置外，也可導入預編輯的配置文件，快速完成配置。只需在推薦結果頁面輸入本地配置文件的路徑，之後點擊「導入」即可。

例如前述流程可以表示為如下的配置文件形式，其中評估器由評分預測類改為了排序預測類。

# DataModel configuration

dfs.data.dir=D:/GitHub/librec-github/data

dfs.result.dir=D:/GitHub/librec-github/result

# Similarity configuration

# Recommender configuration

# Evaluator configuration

# Filter configuration

最後的執行結果如下圖所示，可以看到只有顯示的評估器發生了變化。

以上就是目前LibRec圖形介面的基本使用流程，用來展示的原型程序還有很多地方需要完善，希望大家在文後留言，多提寶貴意見。該功能尚在開發完善中，還沒有更新到GitHub上。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！