利用movielens数据集实现基于物品的协同过滤推荐

文中的数据集来源于 movielens的ml-100k ，数据集包括，u.data、u.item、u.user 。

这里简要介绍下实现的思路，因为是基于物品的协同过滤，所以这里就是找两两物品之间的联系，然后根据物品来给用户进行相应的推荐，这里首先是要生成用户对物品的评分矩阵，然后就是生成物品同现矩阵，推荐结果 =物品同现矩阵*  用户物品评分矩阵。

首先是导入数据，将所给的数据导入进来，因为主要是做的一个实现的过程，所以数据的处理啥的就没怎么去做，主要是实现最终的推荐结果。数据集信息描述如下：
users数量：943 、items数量：1682 、ratings数量：100000 
电影类目 ID对照表如下：1: Action、2: Adventure、3: Animation、4: Children's、5: Comedy
职业列表：artist 、doctor 、educator 、engineer 、entertainment

使用的工具为jupyter-notebook 

import numpy as np 
import pandas as pd 
data_col = ['user_id','item_id','rating','timestamp']

item_col = ['movie_id','movie_title','release_date','video_release_date','IMDb_URL','unknown','Action',
           'Adventure','Animation',"Children's",'Comedy','Crime','Documentary','Drama','Fantasy',
           'Film-Noir','Horror','Musical','Mystery','Romance','Sci-Fi','Thriller','War','Western']

user_col = ['user_id','age','gender','occupation','zip_code']

#总数据包含了用户，物品，评分
data = pd.read_table('