收集偏好
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':4.0},'Claudia Puig':{'Snakes on a Plane':3.5,'Just My Luck':3.0,'Superman Returns':4.0,'You,Me and Dupree':2.5,'The Night Listener':4.5},'Mick LaSalle':{'Lady in the Water':3.0,'Snakes on a Plane':4.0,'Just My Luck':2.0,'Superman Returns':3.0,'You,Me and Dupree':2.0,'The Night Listener':3.0},'Jack Matthews':{'Lady in the Water':3.0,'Snakes on a Plane':4.0,'Superman Returns':5.0,'You,Me and Dupree':3.5,'The Night Listener':3.0},'Toby':{'Snakes on a Plane':4.5,'Superman Returns':4.0,'You,Me and Dupree':1.5}}
数据集已手打,需要自取。
欧几里得距离评价
书上介绍的是:它以经过人们一致评价的物品为坐标轴,然后将参与评价的人绘制到图上,并考察他们彼此间距离的远近。PS:如果有三个都评价过的物品,就是三维坐标。计算两个人之间的距离,可以计算出每一轴方向上的差值,求平方后再相加,最后对总求取平方根。代码如下:
def sim_distance(prefs,person1,person2):
si={}
#匹配出相同的电影
for item in prefs[person1]:
if item in prefs[person2]:
si[item]=1
if len(si)==0:return 0#如果两者没有共同之处,则返回0
#return si
#计算所有差值的平方和
sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2)for item in si])
return 1/(1+sqrt(sum_of_squares))
皮尔逊相关度评价(修正了夸大分值情况)
皮尔逊相关系数:判断两组数据与某一直线拟合程度的一种度量。问题一:这是两组什么样的数据?问题二:直线怎么确定?问题三:拟合程度怎么判定?解答:1.再此次例子中,两组数据分布是两个用户对共同看过影片的评分,一个用户为横坐标轴,另一个为纵坐标轴,即可把影片画到该二维图上。2.该直线尽可能靠近图上所有的坐标点。3.分别求出两位用户的评分总和,平方和,评分乘积之和,再之后的计算比较复杂,大家之间阅读代码吧。
def sim_pearson(prefs,p1,p2):
si = {}
# 匹配出相同的电影
for item in prefs[p1]:
if item in prefs[p2]:
si[item] = 1
n=len(si)
if n==0:return 1#如果两者没有共同之处,则返回1
#对所有偏好求和
sum1=sum([prefs[p1][it] for it in si])
sum2 = sum([prefs[p2][it] for it in si])
#求平方和
sum1Sq=sum([pow(prefs[p1][it],2) for it in si])
sum2Sq = sum([pow(prefs[p2][it], 2) for it in si])
#求乘积之和
pSum=sum([prefs[p1][it]*prefs[p2][it]for it in si])
#计算皮尔逊评价值
num=pSum-(sum1*sum2/n)
den=sqrt((sum1Sq-pow(sum1,2)/n)*(sum2Sq-pow(sum2,2)/n))
if den==0:return 0
r=num/den
return r
为评论者打分(找到与某一用户相似品味的其他用户)
利用上述两种评分方法中的一种,然后指定某一成员对每个人评分。
#从返回偏好的字典中返回最为匹配者,返回结果的个数和相似度函数均可为可选参数
def topMatches(prefs,person,n=5,similarity=sim_pearson):
scores=[(similarity(prefs,person,other),other)for other in prefs if other!=person]
#对列表进行排序,评价值最高者排在最前面
scores.sort()#由小到大
scores.reverse()#翻转
return scores[0:n]
推荐物品
加权评价值:相似度*评价值取和再除以相似度之和
def getRecommendations(prefs,person,similaroty=sim_pearson):
totals={}
simSums={}
for other in prefs:
if other==person:continue
sim=similaroty(prefs,person,other)
#忽略评价值为0或小于0的情况
if sim<=0:continue
for item in prefs[other]:
#只对自己还未看过的影片进行评价
if item not in prefs[person] or prefs[person][item]==0:
totals.setdefault(item,0)
#相似度*评价值
totals[item]+=prefs[other][item]*sim
#相似度之和
simSums.setdefault(item,0)
simSums[item]+=sim
#建立一个归一化的列表
rankings=[(total/simSums[item],item)for item,total in totals.items()]#.items()函数:返回可遍历的(键, 值) 元组数组
#返回排序后的列表
rankings.sort()
rankings.reverse()
return rankings
匹配商品
找到哪写商品是彼此相近的,与此前用来决定人与人之间相似度的方法是一样的,只需要将人员与物品对换。以下就是转换过程。
def transformPrefs(prefs):
result={}
for person in prefs:
for item in prefs[person]:
result.setdefault(item,{})
result[item][person]=prefs[person][item]
return result
测试代码
import recommendations
#欧几里得距离
EDS=recommendations.sim_distance(recommendations.critics,'Lisa Rose','Gene Seymour')
#皮尔逊相关度
PCS=recommendations.sim_pearson(recommendations.critics,'Lisa Rose','Gene Seymour')
#为评论者打分
RC=recommendations.topMatches(recommendations.critics,'Toby',n=3)
#推荐物品
RI=recommendations.getRecommendations(recommendations.critics,'Toby')
#匹配物品
movies=recommendations.transformPrefs(recommendations.critics)
MP=recommendations.topMatches(movies,'Superman Returns')
print(RI)