python集合的案例（电影推荐）

最新推荐文章于 2023-01-03 00:33:22 发布

Eden_严

最新推荐文章于 2023-01-03 00:33:22 发布

阅读量4.3k

点赞数 11

分类专栏： Python

本文链接：https://blog.csdn.net/qq_41709044/article/details/105793362

版权

这是一个基于Python的简单电影推荐系统案例，采用基于用户的协同过滤算法。通过查找与目标用户评分电影交集最多的用户，并根据相似度推荐电影。代码中使用了集合交集运算和random模块。

摘要由CSDN通过智能技术生成

我的个人博客
这个是python课的一个小案列，不涉及大数据推荐等等。
只是一个简单的集合应用

问题描述

假设已有大量用户对若干电影的评分数据，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。

基本思路

基本思路：用基于用户的协同过滤算法，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。本例采用字典来存放打分数据，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:{…}}，首先在已有数据中查找与当前用户共同打分电影（使用集合的交集运算）数量最多的用户，如果有多个这样的用户就再从中选择打分最接近（打分的差距最小）的用户。代码中使用到了random模块中的randrange()函数，用来生成指定范围内的一个随机数。
效果图如下：

解法一

from random import randrange

# 历史电影打分数据，一共10个用户，每个用户对3到9个电影进行评分
# 每个电影的评分最低1分最高5分，这里是字典推导式和集合推导式的用法
data = {
   'user' + str(i): {
   'film' + str(randrange(1, 15)): randrange(1, 6)
                          for j in range(randrange(3, 10))}
        for i in range(10)}
# 模拟当前用户打分数据，为5部随机电影打分
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
f = lambda item: (-len(item