python过滤书评 与 推荐

过滤书评：
过滤掉评论内容垃圾评论，即某条评论里重复字太多

comments = ['这是一本非常好的书，作者用心了',
            '作者大大辛苦了',
            '好书，感谢作者提供了这么多的好案例',
            '书在运输的路上破损了，我好悲伤。。。',
            '为啥我买的书上有菜汤。。。。',
            '啊啊啊啊啊啊，我怎么才发现这么好的书啊，相见恨晚',
            '书的质量有问题啊，怎么会开胶呢？？？？？？',
            '好好好好好好好好好好好',
            '好难啊看不懂好难啊看不懂好难啊看不懂',
            '书的内容很充实',
            '你的书上好多代码啊，不过想想也是，编程的书嘛，肯定代码多一些',
            '书很不错!!一级棒!!买书就上当当，正版，价格又实惠，让人放心!!! ',
            '无意中来到你小铺就淘到心意的宝贝，心情不错! ',
            '送给朋友的、很不错',
            '这是一本好书，讲解内容深入浅出又清晰明了，推荐给所有喜欢阅读的朋友同好们。']
# 过滤规则（重复内容超过本条内容的一半过滤）
rule = lambda s:len(set(s))/len(s)>0.5
result = filter(rule, comments)

print('原始书评：')
for comment in comments:
    print(comment)

print('='*30)
print('过滤后的书评：')
for comment in result:
    print(comment)

推荐
在一堆用户数据里找出一个与此用户相似性高的推荐给他

from random import randrange
#模拟用户数据
data = {'user'+str(i):{'film'+str(randrange(1,10)) for j in range(randrange(15))} for i in range(10)}

user = {'film1', 'film2', 'film3'}
#len(item[1]&user)交集越大表明越相似，长度就越大
similarUser, films = max(data.items(),key=lambda item: len(item[1]&user))

print(similarUser,films)
print(max(data.items(),key=lambda item: len(item[1]&user)))

print(data.items())