深度学习推荐系统--协同过滤推荐算法＋实现代码

本文仅为本人的学习笔记

---

什么是协同过滤？

协同过滤（Collaborative Filtering）就是协同大家的反馈，评价和意见一起对海量的信息进行过滤，从中筛选出目标用户可能感兴趣的信息的推荐过程。

其实它的算法思想就是：物以类聚，人以群分
协同过滤算法一般有2种，一种是基于用户的协同过滤算法，一种是基于物品的协同过滤算法。
基于用户（user-based）：跟你喜好相似的人喜欢的东西你也很可能喜欢；
基于物品（item-based）：跟你喜欢的东西相似的东西你也很可能喜欢；

用户相似度计算（Similarity Calculation）

1.余弦相似度(Cosine Similarity)

余弦相似度衡量了用户向量i和用户向量j之间的向量夹角大小，夹角越小，证明余弦相似度越大，两个用户越相似。
如下图所示，但是很明显，余弦相似度这个方法不考虑长度，只考虑大方向。所以使用余弦相似度计算出的相似度结果有时是不靠谱的。

2.皮尔逊相关系数（Pearson’s Correlation）

皮尔逊相关系数是对余弦相似度的一个优化，它通过使用用户平均分对各独立评分进行修正，比余弦相似度更多的考虑了长度。即向量a，b各自减去向量的均值后，再计算余弦相似度

3.杰卡德相似度计算（Jaccard coefficient）

以上2种，都是针对于 评分数据是连续的数值，那么如果评分是0，1这种布尔类型的，那么它的相似度通常使用杰卡德相似度计算方法。杰卡德计算方法是 交集/并集

---

杰卡德相似度计算代码实现

1.构造数据集

创建一个数据集，下面我们使用1和0来表示用户是否购买过该用品

users=["User1","User2","User3","User4","User5"]
items=["Item A","Item B","Item C","Item D","Item E"]
datasets=[
    [1,0,1,1,0],
    [1,0,0,1,1],
    [1,0,1,0,0],
    [0,1,0,1,1],
    [1,1,1,0,1]
]
import pandas as pd

df=pd.DataFrame(datasets,
                columns=items,
                index=users)
print(df)

运行结果：

2.只计算2个用户之间的相似度

很明显我们的数据是1，0这种布尔类型的，所以比较适合用杰卡德相似度计算的方法

from sklearn.metrics import jaccard_similarity_score

jaccard_similarity_score(df['Item A'],df['Item B'])

结果正确，但是有报错：

原因是：

3.计算所有用户之间的相似度

from sklearn.metrics.pairwise import pairwise_distances

user_similar=1-pairwise_distances(df,metric='jaccard')
user_similar=pd.DataFrame(user_similar,columns=users,index=users)
user_similar

但是结果报错：
解决方法，改成以下代码即可:
参考链接：为什么会出现’DataFrame’ object has no attribute ‘dtype’

user_similar=1-pairwise_distances(df.values,metric='jaccard')
user_similar=pd.DataFrame(user_similar,columns=users,index=users)
user_similar

运行结果：

4.构建推荐结果（基于用户相似度）

为每一个用户找到最相似的2个用户

• loc[i]：通过行标签索引数据
• pandas中的sort_values()函数原理类似于SQL中的order by，可以将数据集依照某个字段中的数据进行排序。ascending值表示是否按指定列的数组升序排列，默认为True，即升序排列
• index[:2]表示从排序之后的结果中切片，取出前两条（相似度最高的两个）

topN_users={}#用来记录相似度最高的几个用户
#遍历每一行数据
for i in user_similar.index:
    #取出每一列数据，并删除自身，然后排序数据,你会发现自身的相似度都是1，下面这句话也就是删除了对角线上的元素。
    _df=user_similar.loc[i].drop([i])
    _df_sorted=_df.sort_values(ascending=False)
    top2=list(_df_sorted.index[:2])
    topN_users[i]=top2
print("Top2相似用户：")
topN_users

运行结果如下：

**根据topN的相似用户构建推荐结果

• List item

import numpy as np
rs_results = {}
# 构建推荐结果
for user, sim_users in topN_users.items():
    rs_result = set()    # 存储推荐结果
    for sim_user in sim_users:
        # 构建初始的推荐结果
        rs_result = rs_result.union(set(df.ix[sim_user].replace(0,np.nan).dropna().index))
    # 过滤掉已经购买过的物品
    rs_result -= set(df.ix[user].replace(0,np.nan).dropna().index)
    rs_results[user] = rs_result
print("最终推荐结果：")
rs_results

运行结果：