基于MoviesLens 1M数据集的电影推荐——协同过滤推荐算法

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.

1. 对一个与除一个以外的所有用户进行相似度计算
2. 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

1. 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
2. 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
3. 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）
4. 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</