python基于物品协同过滤算法实现代码
本次测试基于MovieLens数据集实现的基于物品的协同过滤，目前只是在小样本上实现，主要问题是计算太耗内存，后期代码继续优化与完善。
数据集说明：movies.dat中数据是用户对电影的评分。数据格式：UserID::MovieID::Rating::Timestamp。
代码
importpandasaspd
importnumpyasnp
importmath
importos
importtime
importdatetime
os.chdir(r'f:\zxx\pthon_work\CF')
defloadData():
#读入movies.dat,rating.dat,tags.dat
#mnames=['movie_id','title','genres']
#movies=pd.read_table(r'.\data\movies.dat',sep='::',header=None,names=mnames)
rnames=['UserID','MovieID','Rating','Timestamp']
all_ratings=pd.read_table(r'.\data\ratings.dat',sep='::',header=None,names=rnames,nrows=300000)
#tnames=['UserID','MovieID','Tag','Timestamp']
#tags=pd.read_table(r'.\data\tags.dat',sep='::',header=None,names=tnames)
returnall_ratings
#数据探索：rating
defdata_alay(ratings):
"""ratingnums10000054,3,
示例：11225838985046
col:'UserID','MovieID','Rating','Timestamp'
"""
#一个用户只对一个电影打分一次
UR=ratings.groupby([ratings['UserID'],ratings['MovieID']])
len(UR.size)
#计算每部电影的平均打分,电影数10677
defavgRating(ratings):
movies_mean=ratings['Rating'].groupby(ratings['MovieID']).mean()#计算所有用户对电影X的平均打分
movies_id=movies_mean.index
movies_avg_rating=movies_mean.values
returnmovies_id,movies_avg_rating,movies_mean
#计算电影相似度矩阵相，即建立10677*10677矩阵
defcalculatePC(ratings):
movies_id,movies_avg_rating,movies_mean=avgRating(ratings)
#pc_mat=np.eye(3)#建立电影相似度单位矩阵
pc_dic={}
top_movie=len(movies_id)
foriinrange(0,top_movie):
forjinrange(i+1,top_movie):
movieAID=movies_id[i]
movieBID=movies_id[j]
see_moviesA_user=ratings['UserID'][ratings['MovieID']==movieAID]
see_moviesB_user=ratings['UserID'][ratings['MovieID']==movieBID]
join_user=np.intersect1d(see_moviesA_user.values,see_moviesB_user.values)#同时给电影A、B评分的用户
movieA_avg=movies_mean[movieAID]
movieB_avg=movies_mean[movieBID]
key1=str(movieAID)+':'+str(movieBID)
key2=str(movieBID)+':'+str(movieAID)
value=twoMoviesPC(join_user,movieAID,movieBID,movieA_avg,movieB_avg,ratings)
pc_dic[key1]=value
pc_dic[key2]=value
#pc_mat[i][i+1]=twoMoviesPC(join_user,movieAID,movieBID,movieA_avg,movieB_avg,ratings)
#print('---the%s,%d,%d:--movie%s--%s--pcis%f'%(key1,movieAID,movieBID,movieAID,movieBID,pc_dic[key1]))
returnpc_dic
#计算电影A与电影B的相似度，皮尔森相似度=sum(A-A^)*sum(B-B^)/sqrt(sum[(A-A^)*(A-A^)]*sum[(B-B^)*(B-B^)])
deftwoMoviesPC(join_user,movieAID,movieBID,movieA_avg,movieB_avg,ratings):
cent_AB_sum=0.0#相似度分子
centA_sum=0.0#分母
centB_sum=0.0#分母
movieAB_pc=0.0#电影A,B的相似度
count=0
foruinrange(len(join_user)):
#print'---------',u
count=count+1
ratA=ratings['Rating'][ratings['UserID']==join_user[u]][ratings['MovieID']==movieAID].values[0]#用户给电影A评分
ratB=ratings['Rating'][ratings['UserID']==join_user[u]][ratings['MovieID']==movieBID].values[0]#用户给电影B评分
cent_AB=(ratA-movieA_avg)*(ratB-movieB_avg)#去均值中心化
centA_square=(ratA-movieA_avg)*(ratA-movieA_avg)#去均值平方
centB_square=(ratB-movieB_avg)*(ratB-movieB_avg)#去均值平方
cent_AB_sum=cent_AB_sum+cent_AB
centA_sum=centA_sum+centA_square
centB_sum=centB_sum+centB_square
if(centA_sum>0andcentB_sum>0):
movieAB_pc=cent_AB_sum/math.sqrt(centA_sum*centB_sum)
returnmovieAB_pc
"""
预测用户U对那些电影感兴趣。分三步，
1）用户U过去X天看过的电影。
2）提出用户U已看过的电影，根据用户U过去看过的电影，计算用户U对其他电影的打分.
3)拉去打分最高的的电影给用户推荐。
预测用户U对电影C的打分。分三步：（先只做这个）
1）用户U过去X天看过的电影。
2）利用加权去中心化公式预测用户U对电影C的打分.
"""
#日期处理：-3天，然后转换为uinxtime
deftimePro(last_rat_time,UserU):
lastDate=datetime.datetime.fromtimestamp(last_rat_time[UserU])#unix转为日期
date_sub3=lastDate+datetime.timedelta(days=-3)#减去3天
unix_sub3=time.mktime(date_sub3.timetuple())#日期转为unix
returnunix_sub3
#取用户最后一次评分前3天评估的电影进行预测
defgetHisRat(ratings,last_rat_time,UserUID):
unix_sub3=timePro(last_rat_time,UserUID)
UserU_info=ratings[ratings['UserID']==UserUID][ratings['Timestamp']>unix_sub3]
returnUserU_info
#预测用户U对电影C的打分
defhadSeenMovieByUser(UserUID,MovieA,ratings,pc_dic,movies_mean):
pre_rating=0.0
last_rat_time=ratings['Timestamp'].groupby([ratings['UserID']]).max()#获取用户U最近一次评分日期
UserU_info=getHisRat(ratings,last_rat_time,UserUID)#获取用户U过去看过的电影
flag=0#表示新电影，用户U是否给电影A打过分
wmv=0.0#相似度*mv平均打分去均值后之和
w=0.0#相似度之和
movie_userU=UserU_info['MovieID'].values#当前用户看过的电影
ifMovieAinmovie_userU:
flag=1
pre_rating=UserU_info['Rating'][UserU_info['MovieID']==MovieA].values
else:
formvinmovie_userU:
key=str(mv)+':'+str(MovieA)
rat_U_mv=UserU_info['Rating'][UserU_info['MovieID']==mv][UserU_info['UserID']==UserUID].values#用户U对看过电影mv的打分
wmv=(wmv+pc_dic[key]*(rat_U_mv-movies_mean[mv]))#相似度*mv平均打分去均值后之和
w=(w+pc_dic[key])#看过电影与新电影相似度之和
#print('---haveseenmv%dwithnewmv%d,%f,%f'%(mv,MovieA,wmv,w))
pre_rating=(movies_mean[MovieA]+wmv/w)
print('-flag:%d---User:%dratingmovie:%dwith%fscore----'%(flag,UserUID,MovieA,pre_rating))
returnpre_rating,flag
if__name__=='__main__':
all_ratings=loadData()
movie_num=100#控制电影数，只针对电影ID在该范围的数据进行计算，否则数据量太大
ratings=all_ratings[all_ratings['MovieID']<=movie_num]
movies_id,movies_avg_rating,movies_mean=avgRating(ratings)
pc_dic=calculatePC(ratings)#电影相似度矩阵
#预测
UserUID=10#当前数据集只看过电影4，7，
MovieA=6
pre_rating,flag=hadSeenMovieByUser(UserUID,MovieA,ratings,pc_dic,movies_mean)
"-----------------测试ID提取------------------"
#选取UserUID
ratings.head(10)#从前10行中随机选取一个用户ID,例如：UserID=10
#查看该用户在当前数据集中看过那些电影，方便选取新电影（防止选择的是用户已经看过的电影）
ratings[ratings['UserID']==10]#该用户在当前数据集中，只看过电影MovieIDin(4，7)，则可选择不是4，7的电影ID进行预测，例如6.
运行结果：
-flag:0---User:10ratingmovie:6with4.115996score----
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。