协同过滤算法的实现

协同过滤推荐方法的实现

一、基于用户的推荐系统实现

1、共同爱好-----英雄所爱略同

对一大群人进行搜索，并从中找出与我们品味相近的一小群人。算法会对这些人所偏爱的其他内容进行考察，并将他们组合起来构造出一个经过排名的推荐列表。比如：我们在当当网中输入“集体智慧编程”,点击此书链接后在页面下方会出现相关推荐列表，如图1所示：

图1：当当网对“集体智慧编程”相关的推荐结果

用户对电影评分数据二维表

用Python对上述数据的字典描述:

critics={'Lisa Rose':{'Lady in the Water':2.5,'Snakes on a Plane':3.5,'Just My

Luck':3.0,'Superman Returns':3.5,'You me and Dupree':2.5,'The Night Listener':3.0}, 'Gene Seymour':{'Lady in the Water':3.0,'Snakes on a Plane':3.5,'Just My Luck':1.5,'Superman Returns':5.0,'You me and Dupree':3.5,'The Night Listener':3.0}, 'Michael Phillips':{'Lady in the Water':2.5,'Snakes on a Plane':3.0,'Superman Returns':3.5,'The Night Listener':3.0},

'Claudia Puig':{'Sankes on a Plane':3.5,'Just My Luck':3.0,'The Night Listener':4.5,'Superman Returns':4.0},

'Mick LaSalle':{'Lady in the Water':3.0,'Snakes on a Plane':4.0,'Just My

Luck':2.0,'Superman Returns':3.0,'The Night Listener':3.0,'You,Me and Dupree':2.0},

'Jack Matthews':{'Lady in the Water':3.0,'Snakes on a Plane':4.0,'The Night Listener':3.0,'Superman Returns':5.0,'You,Me and Dupree':3.5},

'Toby':{'Snakes on a Plane':4.5,'You,Me and Dupree':1.0,'Superman

Returns':4.0}}

3、两人相似性如何评价？

常用的评价体系有：

(1)、Manhattan Distance——曼哈顿距离

a) 概念：最简单的距离计算方法就是曼哈顿距离，在二维图上，点A的坐标是(x1,y1),B的坐标是(x2,y2),那么A和B之间的曼哈顿距

离就是：r =|x1-x2| + |y1-y2|。

b) Python实现代码:

#曼哈顿距离评价

def sim_manhattan(prefs,person1,person2):

si={}

for item in prefs[person1]:

if item in prefs[person2]:

si[item]=1

if len(si)==0:return 0

sum_of_abs=sum([abs(prefs[person1][item]-prefs[person2][item]) for

item in si])

#此处做个技术处理，让相似度越高的值越大，同时防止分母为0

的情况出现，函数结果在：0~1之间。

return 1/(1+sum_of_abs)

c) 运行结果:

>>>sim_Manhattan(critics,'Toby','Gene Seymour')

结果为：0.18181818181818182

(2)、 Euclidean Distance——欧几里得距离

a) 概念：若n维向量A（x1,x2,…,x n）与B(y1,y2,…,y n)，则A与

B之间的欧几里得距离为：

b) Python实现代码:

#欧基里德距离评价

def sim_ Euclidean(prefs,person1,person2):

#si存储共同评价过的电影名称

si={}

for item in prefs[person1]:

if item in prefs[person2]:

si[item]=1

if len(si)==0:return0

sum_of_squares=sum([pow(prefs[person1][item]-

prefs[person2][item],2) for item in si])

#偏好越相近的人距离越短，所以此处也做同样处理，取倒数，为避

免分母为零，可以将分母加1，函数结果在：0~1之间，1表示两人具

有一样的偏好。

return 1/(1+sqrt(sum_of_squares))

c) 运行结果:

>>> sim_Euclidean(critics,'Toby','Gene Seymour')

结果为：0.25824569976124334

(3)、Pearson——培生相关度评价

a) 概念：相对上两种评体系，Pearson相关系统要复杂得多，它是判断两组数据与某一直线拟合程序的一种度量。这条直接绘制的原则是尽可能地靠近两组数据的所有点。它能对不规范的数据起到一定的修正，降低不规范数据对结果的影响。比如：有的影评人因抵制杜文泽而只给电影《澳门风云》1分的差评；有的评论者可能是甄子丹的铁杆粉丝而却给电影《西游记大闹天宫》10分的好评。而前者在360影视网的得分为6.2分，后者仅为4.7分。

Pearson计算公式为：

上式难求，常常用近似公式代替：

b) Python实现代码:

#Pearson相关度评价

def sim_pearson(prefs,p1,p2):

si={}

for item in prefs[p1]:

if item in prefs[p2]:si[item]=1