python实现基于物品的隐式协同过滤，使用movielens数据集测试

# 在distance里我们使用的主要是基于用户的协同过滤，但是这样存在两个主要的问题
# 1.扩展性问题，随着用户量变多计算量也会增长，当上百万用户时扩展性就会成为一个问题
# 2.稀疏性，稀疏性，例如网上有上百万本书，用户评价过的只占一小部分，所以可能找不到最近邻居
# 因此，可以使用基于物品的过滤
# 调整余弦分布 减去了用户的平均评分
# consine(item1,item2) = 用户对item1，item2的乘积和/用户对item1，2平方和开根号相乘

# 基于物品的推荐把用户行为通过归一化的形式转换为了权重

#代码如下，写得不好的地方还需要改进

import pandas as pd
import numpy as np
path = 'E:\data\ml-latest-small'
# 9724部电影，id 1-170875
movies = pd.read_csv(path + '\movies.csv')
# 100835条打分记录
ratings = pd.read_csv(path + '\\ratings.csv')
# links = pd.read_csv(path + '\links.csv')
# tags = pd.read_csv(path + '\\tags.csv')
data = pd.merge(ratings, movies, on='movieId')
'''
data.nunique()
userId         610
movieId       9724