基于用户的协同过滤推荐:
目标:针对任意用户,为其推荐没有看过但是可能想看的电影(其他物品)
协同过滤推荐过程:
假设我们要为用户甲推荐电影
Step1 - 找到与阿具有相同电影偏好的用户集合S.
- 对一个与除一个以外的所有用户进行相似度计算
- 对计算结果进行排序,选取相似度排名前Ñ的Ñ位用户构成电影偏好相同的用户集合小号
Step2--基于用户集合小号进行加权推荐
- 将用户集合小号中甲看过的电影删除,仅考虑一个没有看过的电影
- 用户集合小号中每个用户的硅的权重的无线网络为硅与甲的相似度
- 计算电影狄加权得分 - 用户集合小号中每个用户的Si对电影迪的评分乘以权重无线,然后求和(没有评分则评分置0)
- 对电影的加权得分进行排序,选取得分排名前Ñ的Ñ部电影构成电影推荐集合
具体的协同推荐算法讲解可以参考博客:https://blog.csdn.net/yimingsilence/article/details/54934302
基于MoviesLens 1M数据集的电影推荐python源程序:
实现第一步的准备
由于数据比较大,为了使推荐程序运行速度快,我们事先建立一个每个用户所看电影类型频数的统计表:
用户身份 | 戏剧 | 记录 | 惊悚 | 战争 | 儿童 | 恐怖 | 幻想 | 西 | 行动 | 浪漫 | 冒险 | 犯罪 | 神秘 | 科幻 | 黑色电影</ |