UserCF算法的实现

Output20

于 2018-06-14 17:08:34 发布

阅读量2.8k

点赞数

分类专栏：实训

本文链接：https://blog.csdn.net/SkyJudger/article/details/80694842

版权

UserCF协同过滤是一种基本推荐系统方法，通过计算用户行为物品的相似度矩阵，找到与目标用户相似的K个用户，结合相似度权重推荐相似用户喜欢的物品。具体实现代码可供参考。

摘要由CSDN通过智能技术生成

UserCF是和ItemCF齐名的另一种基本的协同过滤方法
它的核心思想也是两步：

将用户产生行为的物品作为用户特征，计算用户相似度矩阵
根据用户相似度矩阵得到与推荐用户相似的K个用户，将相似度作为权值累加，从相似用户产生行为的物品中排名前N的物品推荐给用户

具体代码可以参考：
（项目截取，只能作为参考）


# 协同过滤推荐算法（UserCF）实现

import math
from operator import itemgetter
from ...models import UCFRec
from ... import db


class UserBasedCF:
    # 初始化相关参数
    def __init__(self, users=10, rec=20):

        # K值：最相似的10个用户
        self.n_sim_user = users
        # N值：推荐(缓存)20个菜谱
        self.n_rec_cookbook = rec
        # 将数据集划分为训练集和测试集
        self.trainSet = {}
        # 用户相似度矩阵
        self.use