《推荐系统实践》 程序实现 —— 4.3 基于标签的推荐系统

4.3 基于标签的推荐系统
4.3.1 实验设置

P105 计算物品i和j的余弦相似度：

程序实现：

#P105 物品i和j的余弦相似度计算
import math

#item_tags[i][b]是对物品i打标签b的次数
def CosineSim(item_tags,i,j):
	ret = 0 #物品i和物品j的相似度

	for b,wib in item_tags[i].items():#b是物品，wib = {'标签名称'：次数}
		if b in item_tags[j].keys():
			ret += wib * item_tags[j][b] #计算两个向量公共标签对应相乘的乘积
	
	ni = 0 #物品i的标签向量的模
	nj = 0 #物品j的标签向量的模
	for b, w in item_tags[i].items():
		ni += w * w #计算物品i的标签向量的模（还没有开根号）
	for b, w in item_tags[j].items():
		nj += w * w
	if ret == 0:
		return 0 
	return ret / math.sqrt(ni * nj)

item_tags = {
	'i': {'a': 1, 'b': 2, 'c': 3, 'd': 4},
	'j': {'a': 2, 'b': 4, 'd': 1},
	'k': {'b': 4, 'c': 1, 'd': 5}
}

i = 'i'
j = 'j'

cosineSim = CosineSim(item_tags,i,j)
print(cosineSim)

执行结果：

0.5577733510227171