[HW2] Рачкин Владимир Сергеевич

REPORT.md

@@ -0,0 +1,60 @@
+# HW2
+
+## Abstract
+
+Взять бейзлайновый DSSM (recommendations_dssm) и накрутить на него какую-нибудь интересную эвристику.
+
+Если слушателю понравился трек из топ-100, значит он точно не хейтер мейнстримной музыки и если в рекомендациях от DSSM есть, что-то из топа, то порекомендуем.
+
+## Детали
+
+В файле `custom.py` реализовал класс `CustomRecommender`. Мы просто берём случайны трек из рекомендаций от DSSM
+
+Просто идём по рекомендациям от DSSM. Если слушатель прослушал `80%` трека из топ-100, порекомендуем ему трек от DSSM который есть в топ-100.
+
+В файле `server.py` добавили наш рекомендер к остальным
+
+
+## Результаты A/B эксперимента
+
+![](table.png)
+
+## Как повторить эксперимент
+
+### Повтор
+
+В репозиторий уже загружены результаты в файле [cache/botify-recommender-1/data.json](./cache/botify-recommender-1/data.json). Можно сразу перейти к просмотру
+
+```shell
+# Запускаем Botify (Нужно немного подождать пока запуститься
+cd botify
+docker-compose up -d --build --force-recreate --scale recommender=1
+```
+
+```shell
+# Запускаем симуляцию
+cd ../sim
+python -m sim.run --episodes 2000 --config config/env.yml single --recommender remote --seed 31337
+cd ..
+```
+
+```shell
+# Чистим кэш
+rm -rf cache
+```
+
+```shell
+# Сохраняем результаты
+python ./script/dataclient.py --recommender 1 log2local ./cache/
+```
+
+```shell
+# Останавливаем Botify
+docker-compose stop
+```
+
+### Просмотр
+
+Для просмотра результатов смотрим [Week 1 Seminar](./jupyter/Week1Seminar.ipynb). 
+
+T4 - бейзлайн (DSSM). T7 - наша эвристичка.

botify/botify/experiment.py

@@ -22,6 +22,7 @@ class Split(Enum):
     FOUR_WAY = 4
     FIVE_WAY = 5
     SEVEN_WAY = 7
+    EIGHT_WAY = 8
     NINE_WAY = 9
 
 
@@ -70,7 +71,7 @@ class Experiments:
     CONTEXTUAL = Experiment("CONTEXTUAL", Split.HALF_HALF)
     GCF = Experiment("GCF", Split.HALF_HALF)
     DIVERSITY = Experiment("DIVERSITY", Split.HALF_HALF)
-    ALL = Experiment("ALL", Split.SEVEN_WAY)
+    ALL = Experiment("ALL", Split.EIGHT_WAY)
 
     def __init__(self):
         self.experiments = [Experiments.ALL]

botify/botify/recommenders/custom.py

@@ -0,0 +1,36 @@
+from .recommender import Recommender
+
+import numpy
+import random
+
+
+class CustomRecommender(Recommender):
+    def __init__(self, recommendations_redis, catalog, top_tracks, fallback):
+        self.recommendations_redis = recommendations_redis
+        self.fallback = fallback
+        self.catalog = catalog
+        self.top_tracks = top_tracks
+
+    def recommend_next(self, user: int, prev_track: int, prev_track_time: float) -> int:
+        recommendations = self.recommendations_redis.get(user)
+
+        if recommendations is not None:
+            list_recommendations = list(self.catalog.from_bytes(recommendations))
+
+            if prev_track in self.top_tracks:
+                liked_top = prev_track_time >= 0.8
+                rec_top = []
+                for track in self.top_tracks:
+                    if track in list_recommendations:
+                        rec_top.append(track)
+                if len(rec_top) > 5 and liked_top:
+                    return int(numpy.random.choice(rec_top, 1)[0])
+
+            if prev_track in list_recommendations:
+                next_id = (list_recommendations.index(prev_track) + 1) % len(list_recommendations)
+                return list_recommendations[next_id]
+
+            random.shuffle(list_recommendations)
+            return list_recommendations[0]
+
+        return self.fallback.recommend_next(user, prev_track, prev_track_time)

botify/botify/server.py

@@ -16,6 +16,9 @@
 from botify.recommenders.contextual import Contextual
 from botify.recommenders.toppop import TopPop
 from botify.recommenders.sticky_artist import StickyArtist
+
+from botify.recommenders.custom import CustomRecommender
+
 from botify.track import Catalog
 
 root = logging.getLogger()
@@ -104,6 +107,9 @@ def post(self, user: int):
             recommender = Contextual(recommendations_contextual.connection, catalog, Random(tracks_redis.connection))
         elif treatment == Treatment.T6:
             recommender = Contextual(recommendations_div.connection, catalog, Random(tracks_redis.connection))
+        elif treatment == Treatment.T7:
+            # Custom recommender DSSM with toptracks feature
+            recommender = CustomRecommender(recommendations_dssm.connection, catalog, catalog.top_tracks[:1000], Random(tracks_redis.connection))
         else:
             recommender = Random(tracks_redis.connection)