基于地域和热度的酒店推荐系统

实验5：创建一个基于地域和热度的酒店推荐系统

一、主要实现酒店推荐， 根据用户所在的地区和所选择的排序方式返回相应的前k个酒 店数据。
•数据集都取所在地址是北京的， 包含朝阳区、 丰台区、 东城区、 西城区、 海淀区、 顺义 区、 石景山区、 延庆区、 房山区、 通州区。
•支持排序的字段有：评论数目、装修时间、开业时间、评分、最低价格，以及综合排序。
•程序中通过type字段进行赋值。
•排序方式分为升序和降序。
“综合排序”的实现思路

二、“综合排序” 是对其余排序字段的线性整合。这里简单地定义了各个排序字段的权重，通过线性相加的方式计算出最后的总得分， 然后根据这个得分对酒店进行排序。

（1） 对“装修时间” 和 “开业时间” 做了差值处理。这里认为装修时间越久， 对最终的排 序越起到负向作用， 所以， 使用装修时间减去 2018 得到一个负值。 同理， 认为开业时间越久对 最终的排序越起到正向作用， 所以使用 2018 减去开业时间得到一个正值。
（2）对参与计算的各个字段做归一化处理， 采用的是 min-max 归一化。
（3）得到最终的 “ 综合排序” 的计算公式为：
Score= 1× 评分＋2×评论数目＋ 3× 装修时间＋ 3× 开业时间＋ 4× 最低价格
提示：这里的权重是由作者主观评判得到的。 在真实环境中可以调节相应因素的权重值，来对结果进行调整。

三、代码实现

# -*- coding: utf-8 -*-
"""
Spyder 编辑器

这是一个临时脚本文件。
"""

import pandas as pd
#创建RecBasedAH类
class RecBasedAH:
    def __init__(self,path=None,addr="朝阳区",type="score",k=10, sort=False):
        self.path = path
        self.addr = addr
        self.type = type
        self.k = k
        self.sort = sort
        self.data = self.load_mess()


# 使用pandas加载数据
    def load_mess(self):
        data =pd.read_csv(self.path,header=0,sep=",",encoding='GBK')
        return data[data["addr"]==self.addr]


#为用户推荐酒店
    def reccomend(self):
        if self.type in ["score","comment_num","lowest_price","decoration_time","open_time"]:
            data = self.data.sort_values(by=[self.type, "lowest_price"], ascending=self.sort)[:self.k]
            return dict(data.filter(items=["name",self.type]).values)
        elif self.type == "combine":      # 综合排序，综合以上五种因素
            # 过滤得到使用的信息
            data = self.data.filter(items=["name","score","comment_num","decoration_time","open_time","lowest_price"])
            # 对装修时间做处理
            data["decoration_time"] = data["decoration_time"].apply(lambda  x: int(x) - 2021)
           # 对开业时间做处理
            data["open_time"] = data["open_time"].apply(lambda  x: 2021 - int(x))
 # 数据归一化
            for col in data.keys():
                if col !="name":
                    data[col]  = ( data[col] - data[col].min() ) / (data[col].max() - data[col].min() )

            # 这里认为 评分的权重为1，评论数目权重为2，装修和开业时间权重为3，最低价权重为4
            data[self.type]=1 * data["score"] + 2 * data["comment_num"] + \
                            3 * data["decoration_time"] + 3 * data["open_time"] + 4 * data["lowest_price"]
            data = data.sort_values(by=self.type, ascending=self.sort)[:self.k]
        return dict(data.filter(items=["name", self.type]).values)
#增加主函数，添加RecBasedAH类的应用
if __name__ == "__main__":
    path = "C:/Users/st/Desktop/hotel-mess.csv"
    """
    参数说明
    addr: 酒店所在地区，有朝阳区，丰台区，东城区，西城区，海淀区，顺义区，石景山区，延庆区，房山区，通州区
    type：排序字段，默认为 评分：score
          支持 评论数目：comment_num，装修时间：decoration_time，开业时间：open_time，最低价格：lowest_price，综合排序：combine
    k：返回结果的数目
    sort：按照指定字段的排序方式，默认为降序， True为升序  False为降序
    """

    hotel_rec = RecBasedAH(path,addr="丰台区",type="combine",k=10,sort=False)
    results = hotel_rec.reccomend()
    print(results)

四、实验结果