ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例

基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例

# 1、定义数据集

# 2、构建知识图谱

# 2.1、创建Graph

# 2.2、使用matplotlib和NetworkX绘制知识图谱

# T1、直接绘制

# T2、将网络转化为稀疏矩阵再绘制

# 3、基于知识图谱实现推理

相关文章
ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例实现代码

基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例

# 1、定义数据集

userId	movieId	rating	timestamp
1	1	4	964982703
1	3	4	964981247
1	6	4	964982224
1	47	5	964983815
1	50	5	964982931
1	70	3	964982400
1	101	5	964980868
1	110	4	964982176
1	151	5	964984041
1	157	5	964984100

movieId	title	genres
1	Toy Story (1995)	Adventure\|Animation\|Children\|Comedy\|Fantasy
2	Jumanji (1995)	Adventure\|Children\|Fantasy
3	Grumpier Old Men (1995)	Comedy\|Romance
4	Waiting to Exhale (1995)	Comedy\|Drama\|Romance
5	Father of the Bride Part II (1995)	Comedy
6	Heat (1995)	Action\|Crime\|Thriller
7	Sabrina (1995)	Comedy\|Romance
8	Tom and Huck (1995)	Adventure\|Children
9	Sudden Death (1995)	Action
10	GoldenEye (1995)	Action\|Adventure\|Thriller
11	American President, The (1995)	Comedy\|Drama\|Romance

        userId  movieId  rating   timestamp
0            1        1     4.0   964982703
1            1        3     4.0   964981247
2            1        6     4.0   964982224
3            1       47     5.0   964983815
4            1       50     5.0   964982931
...        ...      ...     ...         ...
100831     610   166534     4.0  1493848402
100832     610   168248     5.0  1493850091
100833     610   168250     5.0  1494273047
100834     610   168252     5.0  1493846352
100835     610   170875     3.0  1493846415[100836 rows x 4 columns]

# 2、构建知识图谱

# 2.1、创建Graph

graph Graph with 9829 nodes and 100403 edges

# 2.2、使用matplotlib和NetworkX绘制知识图谱

# T1、直接绘制

# T2、将网络转化为稀疏矩阵再绘制

# 3、基于知识图谱实现推理

recommended_movies Index(['movieId', 'score', 'title', 'genres'], dtype='object')
user_id= 1 title                                       genres
0             Toy Story (1995)  Adventure|Animation|Children|Comedy|Fantasy
1     Air Up There, The (1994)                                       Comedy
2          Pretty Woman (1990)                               Comedy|Romance
3  Natural Born Killers (1994)                        Action|Crime|Thriller
4         Total Eclipse (1995)                                Drama|Romancerecommended_movies Index(['movieId', 'score', 'title', 'genres'], dtype='object')
user_id= 11 title                            genres
0    American President, The (1995)              Comedy|Drama|Romance
1              Jurassic Park (1993)  Action|Adventure|Sci-Fi|Thriller
2        Vampire in Brooklyn (1995)             Comedy|Horror|Romance
3        In the Line of Fire (1993)                   Action|Thriller
4  Silence of the Lambs, The (1991)             Crime|Horror|Thriller

ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例相关推荐

ML之RL：基于MovieLens电影评分数据集利用强化学习算法(多臂老虎机+EpsilonGreedy策略)实现对用户进行Top电影推荐案例
ML之RL:基于MovieLens电影评分数据集利用强化学习算法(多臂老虎机+EpsilonGreedy策略)实现对用户进行Top电影推荐案例目录基于MovieLens电影评分数据集利用强化学习算 ...
DL之PerceptronAdalineGD：基于iris莺尾花数据集利用Perceptron感知机和AdalineGD算法实现二分类
DL之Perceptron&AdalineGD:基于iris莺尾花数据集利用Perceptron感知机和AdalineGD算法实现二分类目录基于iris莺尾花数据集利用Perceptron ...
ML之NB：基于news新闻文本数据集利用纯统计法、kNN、朴素贝叶斯(高斯/多元伯努利/多项式)、线性判别分析LDA、感知器等算法实现文本分类预测
ML之NB:基于news新闻文本数据集利用纯统计法.kNN.朴素贝叶斯(高斯/多元伯努利/多项式).线性判别分析LDA.感知器等算法实现文本分类预测目录基于news新闻文本数据集利用纯统计法.kN ...
ML之PFI(eli5)：基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序
ML之PFI(eli5):基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序目录基于mpg数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特 ...
ML之CatboostC：基于titanic泰坦尼克数据集利用catboost算法实现二分类
ML之CatboostC:基于titanic泰坦尼克数据集利用catboost算法实现二分类目录基于titanic泰坦尼克数据集利用catboost算法实现二分类设计思路输出结果核心代码相 ...
用EXCEL预处理一个多准则电影评分数据集
现在先介绍一下所用的数据集,该数据集是从日本雅虎电影网站爬取的电影评分数据集,共有225045条,18列. 真正有用的只有电影名,用户名,总体评分,和 story role show image mu ...
推荐算法之基于物品的协同过滤
基于物品的协同过滤( item-based collaborative filtering )算法是此前业界应用较多的算法.无论是亚马逊网,还是Netflix .Hulu . YouTube ,其推荐 ...
杨鹏谈世纪佳缘推荐算法：基于Spark GraphX，弃GBDT和LR用FM
杨鹏谈世纪佳缘推荐算法:基于Spark GraphX,弃GBDT和LR用FM 发表于2015-09-30 09:53| 1447次阅读| 来源CSDN| 2 条评论| 作者杨鹏机器学习推荐算法 ...
Python+Django+Mysql开发在线购物推荐网协同过滤推荐算法在购物网站中的运用个性化推荐算法开发基于用户、物品的协同过滤推荐算法机器学习、分布式大数据、人工智能开发
Python+Django+Mysql开发在线购物推荐网协同过滤推荐算法在购物网站中的运用个性化推荐算法开发基于用户.物品的协同过滤推荐算法机器学习.分布式大数据.人工智能开发 ShopRec ...

ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例

基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例

# 1、定义数据集

# 2、构建知识图谱

# 2.1、创建Graph

# 2.2、使用matplotlib和NetworkX绘制知识图谱

# T1、直接绘制

# T2、将网络转化为稀疏矩阵再绘制

# 3、基于知识图谱实现推理

ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例相关推荐

最新文章

热门文章