【知识发现】基于用户的协同过滤推荐算法python实现

1、协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法（user-based collaboratIve filtering），和基于物品的协同过滤算法（item-based collaborative filtering）。

1）基于用户的协同过滤算法是通过用户的历史行为数据发现用户对商品或内容的喜欢（如商品购买，收藏，内容评论或分享），并对这些喜好进行度量和打分。根据不同用户对相同商品或内容的态度和偏好程度计算用户之间的关系。在有相同喜好的用户间进行商品推荐。

2）基于物品的协同过滤算法与基于用户的协同过滤算法很像，将商品和用户互换。通过计算不同用户对不同物品的评分获得物品间的关系。基于物品间的关系对用户进行相似物品的推荐。这里的评分代表用户对商品的态度和偏好。

2、这里做了初步的实现基于用户的协同过滤，相关理论可以进一步查阅。

# -*- coding: utf-8 -*-
'''
Created on 2017年9月18日@author: Jason.F
'''
import time
import pandas as pd
import math
import numpy as np
from operator import itemgetter def Recommend(user,df_test,W,TopK=3):rvi=1 #用户v对物品i的兴趣，默认为1#TopK：与用户user兴趣最接近的k个用户rank=dict()#df_itemU=df_sample[df_sample['userid'] == user]#u_items=list(set(df_itemU['itemid'].values))for v,wuv in sorted(W[user].items(),key=itemgetter(1),reverse=True)[0:TopK]:df_itemV=df_test[df_test['userid'] == v]v_items=list(set(df_itemV['itemid'].values))for i in v_items:#if i in u_items:#    continueif i not in rank.keys():rank[i]=0rank[i] +=wuv*rvi          return rank #返回推荐的物品def UserSimilarity(df_sample):#计算用户相似度#建立物品到用户的倒排表item_users=dict()item_list = list(set(df_sample['itemid'].values))#获取物品列表for item in item_list:item_users[item]=set()df_user=df_sample[df_sample['itemid'] == item]user_list= list(set(df_user['userid'].values))#获取物品对应的用户列表for user in user_list:    item_users[item].add(user)#计算用户之间物品相似度C = dict()N = dict()#初始化for u in list(set(df_sample['userid'].values)):N[u]=0for v in list(set(df_sample['userid'].values)):if u!=v:AddTwoDict(C,u,v,0)W=C #初始化相似度字段#计算           for item,users in item_users.items():for u in users:N[u] += 1for v in users:if u==v:continue#根据用户行为计算用户相似度，改良余弦相似度公式C[u][v] +=( 1/math.log(1+len(users)) )#计算用户相似度矩阵for u,related_users in C.items():for v,cuv in related_users.items():W[u][v]=cuv/math.sqrt(N[u]*N[v])return W#二维词典插入
def AddTwoDict(theDict, key_a, key_b, val): if key_a in theDict: theDict[key_a].update({key_b: val}) else: theDict.update({key_a:{key_b: val}})#计算准确率指标
def Precision(df_test,W,N=5):hit=0all=0#N最靠前的5个物品for user in list(set(df_test['userid'].values)):rank=Recommend(user,df_test,W)df_item=df_test[df_test['userid'] == user]for item,pui in sorted(rank.items(),key=itemgetter(1),reverse=True)[0:N]:if item in list(set(df_item['itemid'].values)):hit+=1all += Nreturn hit/(all*1.0)#召回率
def Recall(df_test,W,N=5):hit=0all=0#N最靠前的5个物品for user in list(set(df_test['userid'].values)):rank=Recommend(user,df_test,W)df_item=df_test[df_test['userid'] == user]for item,pui in sorted(rank.items(),key=itemgetter(1),reverse=True)[0:N]:if item in list(set(df_item['itemid'].values)):hit+=1all += len(df_item)return hit/(all*1.0)if __name__ == '__main__':    start = time.clock()  #导入数据df_sample = pd.read_csv("D:\\tmp\\ratings.csv",names=['userid','itemid','ratings','time'],header=0)  df_sample_=df_sample[['userid','itemid']]#模型训练W=UserSimilarity(df_sample)#模型预测#rank=Recommend(1,df_sample,W)#user=1#print (rank)#模型评估，准确率指标df_test=df_sample.sample(frac=0.2)#抽20%来测试print (Precision(df_test,W))#准确率print (Recall(df_test,W))#准确率end = time.clock()    print('finish all in %s' % str(end - start))

要结合实际业务定义相关参数，以及采集样本（兴趣度或偏好）。

基于物品的协同过滤实现类似。

【知识发现】基于用户的协同过滤推荐算法python实现相关推荐

协同过滤算法_基于用户的协同过滤推荐算法原理和实现
(给算法爱好者加星标,修炼编程内功) 来源:Create Chen's Blog https://www.cnblogs.com/technology/p/4467895.html 在推荐系统众多方法 ...
python协同过滤可以预测吗_基于用户的协同过滤推荐算法原理-附python代码实现...
在推荐系统众多方法中,基于用户的协同过滤推荐算法是最早诞生的,原理也较为简单.该算法1992年提出并用于邮件过滤系统,两年后1994年被 GroupLens 用于新闻过滤.一直到2000年,该算法都是 ...
基于用户的协同过滤推荐算法原理和实现
在推荐系统众多方法中,基于用户的协同过滤推荐算法是最早诞生的,原理也较为简单.该算法1992年提出并用于邮件过滤系统,两年后1994年被 GroupLens 用于新闻过滤.一直到2000年,该算法都是 ...
基于用户的协同过滤推荐算法原理和实现分析
本文转载自nieson 基于用户的协同过滤推荐算法原理和实现在推荐系统众多方法中,基于用户的协同过滤推荐算法是最早诞生的,原理也较为简单.该算法1992年提出并用于邮件过滤系统,两年后1994年被 ...
(一)基于用户的协同过滤推荐算法原理和实现
在推荐系统众多方法中,基于用户的协同过滤推荐算法是最早诞生的,原理也较为简单.该算法1992年提出并用于邮件过滤系统,两年后1994年被 GroupLens 用于新闻过滤.一直到2000年,该算法都是 ...
mysql数据推荐算法_Java+Mysql实现简单在线电影、音乐、图书推荐系统基于用户的协同过滤推荐算法实现源代码下载...
# Java+Mysql实现简单在线电影.音乐.图书等推荐系统(基于用户的协同过滤推荐算法) 一.项目简介 1.开发工具和实现技术 MyEclipse10,jdk1.7,mysql5.5,tomca ...
Java+Jsp+Mysql实现简单在线图书推荐系统个性化图书推荐系 java实现基于用户的协同过滤推荐算法源代码下载算法实现 Spring+Struts+Hibernate（SSH）开发框架
Java+Jsp+Mysql实现简单在线图书推荐系统个性化图书推荐系统(基于用户的协同过滤推荐算法) 一.项目简介 1.开发工具和实现技术 MyEclipse10,jdk1.7,mysql5.5,t ...
Python实现基于用户的协同过滤推荐算法构建电影推荐系统
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景基于用户的协同过滤推荐(User-based CF)的原理假设: ...
java 用户协同过滤算法_基于用户的协同过滤推荐算法java实现（UserCF）
UserCF的核心思想即为根据用户数据模拟向量相似度,我们根据这个相似度,来找出指定用户的相似用户,然后将相似用户买过的而指定用户没有买的东西推荐给指定用户,推荐度的计算也是结合了相似用户与指定用户的 ...

【知识发现】基于用户的协同过滤推荐算法python实现

【知识发现】基于用户的协同过滤推荐算法python实现相关推荐

最新文章

热门文章