经典算法题每日演练——第六题协同推荐SlopeOne 算法

原文:经典算法题每日演练——第六题协同推荐SlopeOne 算法

相信大家对如下的Category都很熟悉，很多网站都有类似如下的功能，“商品推荐”,"猜你喜欢“，在实体店中我们有导购来为我们服务，在网络上

我们需要同样的一种替代物，如果简简单单的在数据库里面去捞，去比较，几乎是完成不了的,这时我们就需要一种协同推荐算法，来高效的推荐浏览者喜

欢的商品。

一：概念

SlopeOne的思想很简单，就是用均值化的思想来掩盖个体的打分差异，举个例子说明一下：

在这个图中，系统该如何计算“王五“对”电冰箱“的打分值呢？刚才我们也说了，slopeone是采用均值化的思想,也就是：R_王五 =4-{[(5-10)+(4-5)]/2}=7 。

下面我们看看多于两项的商品，如何计算打分值。

r_b = (n * (r_a - R(_A->B)) + m * (r_c - R(_C->B)))/(m+n)

注意： a,b,c 代表“商品”。

r_a 代表“商品的打分值”。

r_a->b 代表“A组到B组的平均差（均值化）”。

m,n 代表人数。

根据公式，我们来算一下。

r_王五 = (2 * (4 - R(洗衣机->彩电)) + 2 * (10 - R(电冰箱->彩电))+ 2 * (5 - R(空调->彩电)))/(2+2+2)=6.8

是的，slopeOne就是这么简单，实战效果非常不错。

二：实现

1：定义一个评分类Rating。

 1     /// <summary>
 2     /// 评分实体类
 3     /// </summary>
 4     public class Rating
 5     {
 6         /// <summary>
 7         /// 记录差值
 8         /// </summary>
 9         public float Value { get; set; }
10
11         /// <summary>
12         /// 记录评分人数，方便公式中的 m 和 n 的值
13         /// </summary>
14         public int Freq { get; set; }
15
16         /// <summary>
17         /// 记录打分用户的ID
18         /// </summary>
19         public HashSet<int> hash_user = new HashSet<int>();
20
21         /// <summary>
22         /// 平均值
23         /// </summary>
24         public float AverageValue
25         {
26             get { return Value / Freq; }
27         }
28     }

2：定义一个产品类

 1     /// <summary>
 2     /// 产品类
 3     /// </summary>
 4     public class Product
 5     {
 6         public int ProductID { get; set; }
 7
 8         public string ProductName { get; set; }
 9
10         /// <summary>
11         /// 对产品的打分
12         /// </summary>
13         public float Score { get; set; }
14     }

3：SlopeOne类

参考了网络上的例子，将二维矩阵做成线性表，有效的降低了空间复杂度。

  1 using System;
  2 using System.Collections.Generic;
  3 using System.Linq;
  4 using System.Text;
  5
  6 namespace SupportCenter.Test
  7 {
  8     #region Slope One 算法
  9     /// <summary>
 10     /// Slope One 算法
 11     /// </summary>
 12     public class SlopeOne
 13     {
 14         /// <summary>
 15         /// 评分系统
 16         /// </summary>
 17         public static Dictionary<int, Product> dicRatingSystem = new Dictionary<int, Product>();
 18
 19         public Dictionary<string, Rating> dic_Martix = new Dictionary<string, Rating>();
 20
 21         public HashSet<int> hash_items = new HashSet<int>();
 22
 23         #region 接收一个用户的打分记录
 24         /// <summary>
 25         /// 接收一个用户的打分记录
 26         /// </summary>
 27         /// <param name="userRatings"></param>
 28         public void AddUserRatings(IDictionary<int, List<Product>> userRatings)
 29         {
 30             foreach (var user1 in userRatings)
 31             {
 32                 //遍历所有的Item
 33                 foreach (var item1 in user1.Value)
 34                 {
 35                     //该产品的编号（具有唯一性）
 36                     int item1Id = item1.ProductID;
 37
 38                     //该项目的评分
 39                     float item1Rating = item1.Score;
 40
 41                     //将产品编号字存放在hash表中
 42                     hash_items.Add(item1.ProductID);
 43
 44                     foreach (var user2 in userRatings)
 45                     {
 46                         //再次遍历item，用于计算俩俩 Item 之间的差值
 47                         foreach (var item2 in user2.Value)
 48                         {
 49                             //过滤掉同名的项目
 50                             if (item2.ProductID <= item1Id)
 51                                 continue;
 52
 53                             //该产品的名字
 54                             int item2Id = item2.ProductID;
 55
 56                             //该项目的评分
 57                             float item2Rating = item2.Score;
 58
 59                             Rating ratingDiff;
 60
 61                             //用表的形式构建矩阵
 62                             var key = Tools.GetKey(item1Id, item2Id);
 63
 64                             //将俩俩 Item 的差值 存放到 Rating 中
 65                             if (dic_Martix.Keys.Contains(key))
 66                                 ratingDiff = dic_Martix[key];
 67                             else
 68                             {
 69                                 ratingDiff = new Rating();
 70                                 dic_Martix[key] = ratingDiff;
 71                             }
 72
 73                             //方便以后以后userrating的编辑操作，（add)
 74                             if (!ratingDiff.hash_user.Contains(user1.Key))
 75                             {
 76                                 //value保存差值
 77                                 ratingDiff.Value += item1Rating - item2Rating;
 78
 79                                 //说明计算过一次
 80                                 ratingDiff.Freq += 1;
 81                             }
 82
 83                             //记录操作人的ID，方便以后再次添加评分
 84                             ratingDiff.hash_user.Add(user1.Key);
 85                         }
 86                     }
 87                 }
 88             }
 89         }
 90         #endregion
 91
 92         #region 根据矩阵的值，预测出该Rating中的值
 93         /// <summary>
 94         /// 根据矩阵的值，预测出该Rating中的值
 95         /// </summary>
 96         /// <param name="userRatings"></param>
 97         /// <returns></returns>
 98         public IDictionary<int, float> Predict(List<Product> userRatings)
 99         {
100             Dictionary<int, float> predictions = new Dictionary<int, float>();
101
102             var productIDs = userRatings.Select(i => i.ProductID).ToList();
103
104             //循环遍历_Items中所有的Items
105             foreach (var itemId in this.hash_items)
106             {
107                 //过滤掉不需要计算的产品编号
108                 if (productIDs.Contains(itemId))
109                     continue;
110
111                 Rating itemRating = new Rating();
112
113                 // 内层遍历userRatings
114                 foreach (var userRating in userRatings)
115                 {
116                     if (userRating.ProductID == itemId)
117                         continue;
118
119                     int inputItemId = userRating.ProductID;
120
121                     //获取该key对应项目的两组AVG的值
122                     var key = Tools.GetKey(itemId, inputItemId);
123
124                     if (dic_Martix.Keys.Contains(key))
125                     {
126                         Rating diff = dic_Martix[key];
127
128                         //关键点：运用公式求解（这边为了节省空间，对角线两侧的值呈现奇函数的特性）
129                         itemRating.Value += diff.Freq * (userRating.Score + diff.AverageValue * ((itemId < inputItemId) ? 1 : -1));
130
131                         //关键点：运用公式求解 累计每两组的人数
132                         itemRating.Freq += diff.Freq;
133                     }
134                 }
135
136                 predictions.Add(itemId, itemRating.AverageValue);
137             }
138
139             return predictions;
140         }
141         #endregion
142     }
143     #endregion
144
145     #region 工具类
146     /// <summary>
147     /// 工具类
148     /// </summary>
149     public class Tools
150     {
151         public static string GetKey(int Item1Id, int Item2Id)
152         {
153             return (Item1Id < Item2Id) ? Item1Id + "->" + Item2Id : Item2Id + "->" + Item1Id;
154         }
155     }
156     #endregion
157 }

4: 测试类Program

这里我们灌入了userid=1000，2000，3000的这三个人，然后我们预测userID=3000这个人对 “彩电” 的打分会是多少？

 1     public class Program
 2     {
 3         static void Main(string[] args)
 4         {
 5             SlopeOne test = new SlopeOne();
 6
 7             Dictionary<int, List<Product>> userRating = new Dictionary<int, List<Product>>();
 8
 9             //第一位用户
10             List<Product> list = new List<Product>()
11             {
12                 new Product(){ ProductID=1, ProductName="洗衣机",Score=5},
13                 new Product(){ ProductID=2, ProductName="电冰箱", Score=10},
14                 new Product(){ ProductID=3, ProductName="彩电", Score=10},
15                 new Product(){ ProductID=4, ProductName="空调", Score=5},
16             };
17
18             userRating.Add(1000, list);
19
20             test.AddUserRatings(userRating);
21
22             userRating.Clear();
23             userRating.Add(1000, list);
24
25             test.AddUserRatings(userRating);
26
27             //第二位用户
28             list = new List<Product>()
29             {
30                 new Product(){ ProductID=1, ProductName="洗衣机",Score=4},
31                 new Product(){ ProductID=2, ProductName="电冰箱", Score=5},
32                 new Product(){ ProductID=3, ProductName="彩电", Score=4},
33                  new Product(){ ProductID=4, ProductName="空调", Score=10},
34             };
35
36             userRating.Clear();
37             userRating.Add(2000, list);
38
39             test.AddUserRatings(userRating);
40
41             //第三位用户
42             list = new List<Product>()
43             {
44                 new Product(){ ProductID=1, ProductName="洗衣机", Score=4},
45                 new Product(){ ProductID=2, ProductName="电冰箱", Score=10},
46                 new Product(){ ProductID=4, ProductName="空调", Score=5},
47             };
48
49             userRating.Clear();
50             userRating.Add(3000, list);
51
52             test.AddUserRatings(userRating);
53
54             //那么我们预测userID=3000这个人对 “彩电” 的打分会是多少？
55             var userID = userRating.Keys.FirstOrDefault();
56             var result = userRating[userID];
57
58             var predictions = test.Predict(result);
59
60             foreach (var rating in predictions)
61                 Console.WriteLine("ProductID= " + rating.Key + " Rating: " + rating.Value);
62         }
63     }

经典算法题每日演练——第六题协同推荐SlopeOne 算法相关推荐

经典算法题每日演练——第十题树状数组
原文:经典算法题每日演练--第十题树状数组有一种数据结构是神奇的,神秘的,它展现了位运算与数组结合的神奇魅力,太牛逼的,它就是树状数组,这种数据结构不是神人是发现不了的. 一:概序假如我现在有个 ...
经典算法题每日演练——第七题 KMP算法
原文:经典算法题每日演练--第七题 KMP算法在大学的时候,应该在数据结构里面都看过kmp算法吧,不知道有多少老师对该算法是一笔带过的,至少我们以前是的, 确实kmp算法还是有点饶人的,如果说红黑树 ...
经典算法题每日演练——第三题猴子吃桃
猴子第一天摘下若干个桃子,当即吃了一半,还不过瘾就多吃了一个.第二天早上又将剩下的桃子吃了一半,还是不过瘾又多吃了一个.以后每天都吃前一天剩下的一半再加一个.到第10天刚好剩一个.问猴子第一天摘了多 ...
经典算法题每日演练——第十一题 Bitmap算法
在所有具有性能优化的数据结构中,我想大家使用最多的就是hash表,是的,在具有定位查找上具有O(1)的常量时间,多么的简洁优美, 但是在特定的场合下: ①:对10亿个不重复的整数进行排序. ②:找出1 ...
经典算法题每日演练——第五题字符串相似度
原文地址:http://www.cnblogs.com/huangxincheng/archive/2012/11/11/2765633.html 这篇我们看看最长公共子序列的另一个版本,求字符串相似 ...
经典算法题每日演练——第二十一题十字链表
上一篇我们看了矩阵的顺序存储,这篇我们再看看一种链式存储方法"十字链表",当然目的都是一样,压缩空间. 一:概念既然要用链表节点来模拟矩阵中的非零元素,肯定需要如下5个元素(ro ...
经典算法题每日演练——第二十二题奇偶排序
原文:经典算法题每日演练--第二十二题奇偶排序这个专题因为各种原因好久没有继续下去了,MM吧...你懂的,嘿嘿,不过还得继续写下去,好长时间不写,有些东西有点生疏了, 这篇就从简单一点的一个&qu ...
经典算法题每日演练——第十九题双端队列
经典算法题每日演练--第十九题双端队列原文:经典算法题每日演练--第十九题双端队列话说大学的时候老师说妹子比工作重要~,工作可以再换,妹子这个...所以...这两个月也就一直忙着Fall in ...
经典算法题每日演练——第一题百钱买百鸡
经典算法题每日演练--第一题百钱买百鸡原文:经典算法题每日演练--第一题百钱买百鸡百钱买百鸡的问题算是一套非常经典的不定方程的问题,题目很简单:公鸡5文钱一只,母鸡3文钱一只,小鸡3只一文钱, ...

经典算法题每日演练——第六题协同推荐SlopeOne 算法

经典算法题每日演练——第六题协同推荐SlopeOne 算法相关推荐

最新文章

热门文章

经典算法题每日演练——第六题 协同推荐SlopeOne 算法

经典算法题每日演练——第六题 协同推荐SlopeOne 算法相关推荐

最新文章

热门文章

经典算法题每日演练——第六题协同推荐SlopeOne 算法

经典算法题每日演练——第六题协同推荐SlopeOne 算法相关推荐