推荐系统之基于邻域的算法-------协同过滤算法

基于邻域的协同过滤主要分为两类，基于用户的协同过滤和基于物品的协同过滤。前者给用户推荐和他兴趣相似的其他用户喜欢的物品，后者则是推荐和他之前喜欢过的物品相似的物品。

基于用户的协同过滤算法

这里介绍基于用户的协同过滤，从定义来说，可以分为以下两步进行：

找到和目标用户兴趣相似的用户集合
找和这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户

计算用户相似度的基本算法：

（1）Jaccard 公式

（2）余弦相似度：

得到用户之间的兴趣相似度后，UserCF算法会给用户推荐和他兴趣最相似的K个用户喜欢的物品，下面的公式表示用户u对物品i的感兴趣程度：

其中S(u,K)包含和用户u兴趣最相近的K个用户，N(i)是对物品i有过行为的用户集合，w_uv是用户u和用户v的兴趣相似度，r_vi代表用户v对物品i的兴趣，在这种情况下r_vi=1

可以建立物品到用户的倒查表，对每个物品都保存对该物品产生过行为的用户列表，

可以给上图中的A推荐，选取K=3，用户A对物品c，e没有过行为，因此可以把这两个物品推荐给用户A，用户A对物品c，e的兴趣是：

改进：

上边的算法是有问题的，比如两个人都买过《新华字典》这本书，但这丝毫不能说明他们两个兴趣相似，因为大多数人都买过这本书，如果两个用户都买过《数据挖掘导论》，那可以认为两个人的兴趣比较相似，因为只要研究数据挖掘的人才会买这本书。即两个人对冷门物品采取过同样的行为更能说明他们兴趣的相似性，因此相似性度量函数为：

基于物品的协同过滤算法

下面介绍基于物品的协同过滤算法，其过程主要分为2步：

计算物品之间的相似度
根据物品的相似度和用户的历史行为给用户生成推荐列表

计算物品的相似度：

N(i):喜欢物品i的用户数 |N(i)∩N(j)|：同时喜欢物品i和物品j的用户数

与UserCF算法类似，用ItenCF算法计算物品相似度时，也可以首先建立用户-物品倒排表（即对每个用户建立一个包含他喜欢的物品的列表），然后对于每个用户，将物品列表中的物品两两在共现矩阵C中加1，最终将这些矩阵相加得到上边的C矩阵，其中C[i][j]记录同时喜欢物品i和物品j的用户数，最后将c矩阵归一化得到物品之间的余弦相似度矩阵W。

得到物品的相似度之后，ItemCF通过如下公式计算用户u对一个物品j的兴趣：

N(u)是用户喜欢的物品的集合，S(i,k)是和物品i最相似的k个物品的集合，w_ji 是物品j和i的相似度，r_ui是用户u对物品i的兴趣。对于隐反馈数据集，如果用户u对物品i有过行为，即可令r_ui=1，该公式的含义是，和用户历史上感兴趣的物品越相似，越有可能在用户的推荐列表中获得比较高的排名。

用户活跃度对用户的影响

除了上面的分析权重的过程，还可以考虑用户活跃度对物品相似度的影响IUF，即活跃用户对物品相似度的贡献应该小于不活跃的用户，因袭增加IUF参数来修正物品相似度的计算公式

物品相似度归一化

如果已经得到了物品的相似性矩阵w，则可以得到归一化之后的相似度矩阵w'

归一化之后的好处是不仅仅增加推荐的准确度，还提高了覆盖率和多样性。

实现算法：

import math
import time
import pandas as pddef calcuteSimilar(series1,series2):'''计算余弦相似度:param data1: 数据集1 Series:param data2: 数据集2 Series:return: 相似度'''unionLen = len(set(series1) & set(series2))if unionLen == 0: return 0.0product = len(series1) * len(series2)similarity = unionLen / math.sqrt(product)return similaritydef calcuteUser(csvpath,targetID=1,TopN=10):'''计算targetID的用户与其他用户的相似度:return:相似度TopN Series'''frame = pd.read_csv(csvpath)                                                        #读取数据targetUser = frame[frame['UserID'] == targetID]['MovieID']                          #目标用户数据otherUsersID = [i for i in set(frame['UserID']) if i != targetID]                   #其他用户IDotherUsers = [frame[frame['UserID'] == i]['MovieID'] for i in otherUsersID]         #其他用户数据similarlist = [calcuteSimilar(targetUser,user) for user in otherUsers]              #计算similarSeries = pd.Series(similarlist,index=otherUsersID)                           #Seriesreturn similarSeries.sort_values()[-TopN:]def calcuteInterest(frame,similarSeries,targetItemID):'''计算目标用户对目标物品的感兴趣程度:param frame: 数据:param similarSeries: 目标用户最相似的K个用户:param targetItemID: 目标物品:return:感兴趣程度'''similarUserID = similarSeries.index                                                 #和用户兴趣最相似的K个用户similarUsers = [frame[frame['UserID'] == i] for i in similarUserID]                 #K个用户数据similarUserValues = similarSeries.values                                            #用户和其他用户的兴趣相似度UserInstItem = []for u in similarUsers:                                                              #其他用户对物品的感兴趣程度if targetItemID in u['MovieID'].values: UserInstItem.append(u[u['MovieID']==targetItemID]['Rating'].values[0])else: UserInstItem.append(0)interest = sum([similarUserValues[v]*UserInstItem[v]/5 for v in range(len(similarUserValues))])return interestdef calcuteItem(csvpath,targetUserID=1,TopN=10):'''计算推荐给targetUserID的用户的TopN物品:param csvpath: 数据路径:param targetUserID: 目标用户:param TopN::return: TopN个物品及感兴趣程度'''frame = pd.read_csv(csvpath)                                                        #读取数据similarSeries = calcuteUser(csvpath=csvpath, targetID=targetUserID)                 #计算最相似K个用户userMovieID = set(frame[frame['UserID'] == 1]['MovieID'])                           #目标用户感兴趣的物品otherMovieID = set(frame[frame['UserID'] != 1]['MovieID'])                          #其他用户感兴趣的物品movieID = list(userMovieID ^ otherMovieID)                                          #差集interestList = [calcuteInterest(frame,similarSeries,movie) for movie in movieID]    #推荐interestSeries = pd.Series(interestList, index=movieID)return interestSeries.sort_values()[-TopN:]                                         #TopNif __name__ == '__main__':print('start..')start = time.time()a = calcuteItem('ratings.csv')print(a)print('Cost time: %f'%(time.time()-start))

参考：http://blog.csdn.net/sinat_33741547/article/details/52740010

推荐系统之基于邻域的算法-------协同过滤算法

推荐系统之基于邻域的算法-------协同过滤算法相关推荐

最新文章

热门文章