Python推荐系统学习笔记（6）基于协同过滤的个性化推荐算法实战---Surprise库实现ItemCF

一、Surprise库简介

      Surprise是一个用于简单快速构建推荐系统的Python库，其底层基于Python Scikit 构建。

      官方文档地址：https://surprise.readthedocs.io/en/stable

      安装方式：（1）通过pip安装，需具有Microsoft C++ Build Tools 环境。

                        （2）通过conda安装，使用miniconda或者anaconda。

      Surprise库由于追求简易性导致其过于封装，因此个人认为相比学术界，其更适用于工业界。

二、Surprise库快速入门：

       编写目标：根据MovieLens数据，计算各电影间的相似度，找寻与ToyStory相似的电影进行推荐。

1、模块准备：

import os
import io
from surprise import KNNBaseline
from surprise import Dataset

2、数据准备过程：

    编写代码：

#载入数据（此处是在线数据，也可设定自定义数据）并设定训练集
data = Dataset.load_builtin('ml-100k')
trainset = data.build_full_trainset()
#相似度计算设定，使用皮尔逊相似度计算法，使用ItemCF的相似度计算
sim_options = {'name': 'pearson_baseline', 'user_based': False}
#使用KNNBaseline算法（一种CF算法）进行推荐系统构建
algo = KNNBaseline(sim_options=sim_options)
algo.train(trainset)
#获得电影名称信息数据
rid_to_name, name_to_rid = read_item_names()

      Surprise提供在线的MovieLens测试数据供使用，运行代码会有下载提示：

      开发者也可以自己定义数据匹配使用（详细内容见官方文档，本文省略）

3、read_item_names（）函数：用于读取电影信息数据：

#读取物品（电影）名称信息
def read_item_names():
    file_name = ('E:/ml-100k/u.item') #该文件可从上步在线下载的数据中获取到
    rid_to_name = {}
    name_to_rid = {}
    #读取并解码数据，将结构化数据返回
    with io.open(file_name, 'r', encoding='ISO-8859-1') as f:
        for line in f:
            line = line.split('|')
            #建立两种dict
            #key是电影id，value是电影名
            rid_to_name[line[0]] = line[1]
            #key是电影名，value是电影id
            name_to_rid[line[1]] = line[0] 
    return rid_to_name, name_to_rid

4、这里引入了两个概念，实际电影ID（来自数据的行，raw_id）和内部电影ID（inner_id,iid），可通过以下代码对两种ID进行测试：

#获得Toy Story电影的电影ID
toy_story_raw_id = name_to_rid['Toy Story (1995)']
print(toy_story_raw_id)
#通过Toy Story电影的电影ID获取该电影的推荐内部id
toy_story_inner_id = algo.trainset.to_inner_iid(toy_story_raw_id)
print(toy_story_inner_id)

5、输出推荐结果：

#获得Toy Story电影的相似（邻居）电影的ID集合
toy_story_neighbors = algo.get_neighbors(toy_story_inner_id, k=10)

#根据相似电影的内部电影ID获得实际电影ID
toy_story_neighbors = (algo.trainset.to_raw_iid(inner_id)
                       for inner_id in toy_story_neighbors)
#根据相似电影的实际电影ID获得实际电影名称
toy_story_neighbors = (rid_to_name[rid]
                       for rid in toy_story_neighbors)
#输出推荐结果
print("与《Toy Story》最相似的10个电影是：")
for movie in toy_story_neighbors:
    print(movie)

结果：