Python推荐系统学习笔记（5）基于协同过滤的个性化推荐算法实战---UserCF算法（下）

本文在 Python推荐系统学习笔记（4）基于协同过滤的个性化推荐算法实战---UserCF算法（上）一文的基础上，对其基本的UserCF算法做出改进。

一、相关概念

1、UserCF中，基于行为（喜好）的相似性度量公式原始形式：

S u,v 代表用户 u 和 v 的相似度；N(u) 和 N(v) 代表用户 u 或 v 行为过的物品集合；分子表示两用户所评分物品的重合程度 ;分母是归一化，惩罚了操作过多的用户对其它用户的相似程度。

2、UserCF中，基于行为（喜好）的相似性度量公式改进形式1：

改进意义：降低那些异常活跃物品对于用户相似度的贡献，如柴米油盐等。

i 是用户 u 和 v 都行为过的物品，u（i），是物品 i 被行为的总次数。

3、UserCF中，基于行为（喜好）的相似性度量公式改进形式2：

改进意义：因为人的善变性，将不同用户对同一物品行为的时间段不同应该给予时间加权惩罚。

，其中

△ t 是行为差异时间，α 是权重。

二、ItemCF推荐改进实战：

1、第一种改进形式：

只需将原始的base_contribute_score()函数定义更改为以下形式：

def update_contribution_score(item_user_click_count):return 1/math.log10(1+item_user_click_count)

调用处也改为以下形式：

#第一处
co_appear[user_i][user_j]+= update_contribution_score(len(user_list))
#第二处
co_appear[user_j][user_i] += update_contribution_score(len(user_list))

2、第二种改进形式：

，其中

（1）需要更改信息读取工具模块reader.py中的get_user_click函数，增加时间戳信息的获取：

#获得用户的点击序列，改进
def get_user_click(rating_file):#如果路径不存在，返回空数据if not os.path.exists(rating_file):return {},{}#打开文件fp=open(rating_file)num=0#用于传回的数据user_click={}#*改进，加入时间戳user_click_time={}#循环数据for line in fp:#第一行是表头，需要跳过处理if num==0:num+=1continue#根据逗号提取每个项目item=line.strip().split(',')if len(item)<4:continue[userid,itemid,rating,timestamp]=item#*改进处if userid+"_"+itemid not in user_click_time:#存储用户点击的电影的时间戳user_click_time[userid+"_"+itemid]=int(timestamp)if float(rating)<3.0:  #如果评分低于3分，则视为该用户不喜欢该电影continue#将单一用户的点击序列添加至返回数据if userid not in user_click:user_click[userid]=[]user_click[userid].append(itemid)fp.close()return user_click,user_click_time

（2）更改核心算法中的主函数main_flow()：

def main_flow():#获取用户的点击序列数据及点击时间数据,改进user_click,user_click_time=reader.get_user_click("../data/ratings.csv")#将用户的点击序列转换成电影的被点击序列item_click_by_user = transfer_user_click(user_click)#获取电影信息数据item_info=reader.get_item_info("../data/movies.csv")#计算用户相似度，改进，加入时间戳因子user_sim=cal_user_sim(item_click_by_user,user_click_time)#计算推荐结果recom_result=cal_recom_result(user_click,user_sim)#输出推荐结果debug_recom_result(item_info,recom_result,"158")

（3）更改原始的base_contribute_score()函数：

def update_two_contribution_score(click_time_one,click_time_two):delta_time=abs(click_time_two-click_time_one)#将时间戳单位换算为天norm_num=60*60*24delta_time=delta_time/norm_numreturn 1/(1+delta_time)

（4）各个用户间的相似度计算函数更改，增加时间戳因子的获取与计算：

#计算用户相似度,改进
def cal_user_sim(item_click_by_user,user_click_time):co_appear={}user_click_count={}#循环电影的被点击序列for itemid,user_list in item_click_by_user.items():#循环每个电影的被点击序列的用户列表索引for index_i in range(0,len(user_list)):#统计各用户id的评分行为个数user_i=user_list[index_i]user_click_count.setdefault(user_i,0)user_click_count[user_i]+=1#改进处if user_i+"_"+itemid not in user_click_time:click_time_one=0else:click_time_one=user_click_time[user_i+"_"+itemid]#计算每个用户id和其他用户id的重合程度（共同对电影做出行为的数量）for index_j in range(index_i+1,len(user_list)):user_j=user_list[index_j]#改进处if user_j + "_" + itemid not in user_click_time:click_time_two = 0else:click_time_two = user_click_time[user_j + "_" + itemid]#计算所有用户id中，两两id的共同行为电影数量co_appear.setdefault(user_i,{})co_appear[user_i].setdefault(user_j,0)#改进处co_appear[user_i][user_j]+= update_two_contribution_score(click_time_one,click_time_two)co_appear.setdefault(user_j, {})co_appear[user_j].setdefault(user_i, 0)#改进处co_appear[user_j][user_i] += update_two_contribution_score(click_time_one,click_time_two)#用户相似度数据user_sim_info={}#排序后的用户相似度数据user_sim_info_sorted={}#计算相似度for user_i,relate_user in co_appear.items():user_sim_info.setdefault(user_i,{})for user_j,cotime in relate_user.items():user_sim_info[user_i].setdefault(user_j,0)user_sim_info[user_i][user_j]=cotime/math.sqrt(user_click_count[user_i]*user_click_count[user_j])#对用户相似度数据进行排序for user in user_sim_info:user_sim_info_sorted[user]=sorted(user_sim_info[user].items(),key=operator.itemgetter(1),reverse=True)return user_sim_info_sorted

三、参考资料：

1、https://www.imooc.com/learn/1029

2、https://www.imooc.com/learn/990

3、https://blog.csdn.net/yimingsilence/article/details/54934302

4、https://blog.csdn.net/xiaokang123456kao/article/details/74735992

5、项亮. 推荐系统实践[M]. 人民邮电出版社, 2012.