字典应用案例
- 已有大量用户对若干电影的打分数据,现有某用户,也看过一些电影并进行过评分,要求根据已有打分数据为该用户进行推荐。
1.代码采用基于用户的过滤协同算法,也就是根据用户喜好来确定与当前用户最相似的用户,然后再根据最相似用户的喜好为当前用户进行推荐。
2.代码采用字典来存放数据,格式为{用户1:{电影名称1:打分1,电影名称2:打分2,…},用户2:{…}}。
from random import randrange
#历史电影打分数据
data = {'user'+str(i):{'film'+str(randrange(1,15)):randrange(1,6)
for j in range(randrange(3,10))}
for i in range(10)}
#当前用户打分数据
user = {'film'+str(randrange(1,15)):randrange(1,6) for i in range(5)}
#最相似的用户及其对电影打分情况
#两个用户共同打分的电影最多
#并且所有电影打分差值的平方和最小
similarUser,films = min(data.items(),
key = lambda item:(-len(item[1].keys()&user),
sum(((item[1].get(film)-user.get(film))**2