python写软件实例-用python写个简单的推荐系统示例程序

用python写个简单的推荐系统示例程序

作者：阿俊 发布于：2011-11-26 16:03 Saturday

分类：推荐系统

python这门语言写程序代码量非常少，短短几行就可以把程序写的很清楚，由于它严格的缩进格式，所以看起来也很容易看。

其中，字典和列表递推式非常好用，写起来效率会非常非常高。

但python的执行效率很低，所以主要的函数还要用c写，或者用c和python混合着写，用python丰富的数据结构，用c的执行效率。

下面的代码是一个简单的user-based knn推荐系统

#python version 2.6

#dataset dict:

critics={'tom':{'a':3,'b':2,'c':3,'d':1,'e':5},

'bob':{'a':3,'b':4,'c':3,'d':1,'e':5},

'jean':{'a':3,'b':2,'c':3,'d':2,'e':3},

'jobs':{'a':1,'b':2,'c':4,'d':1,'e':5},

'bill':{'a':0,'b':2,'c':1,'d':0,'e':2}}

#calculate similarity

from math import sqrt

#Euclidean distance

def sim_distance (prefs,person1,person2):

si={}

for item in prefs[person1]:

if item in prefs[person2]:

si[item]=1

if len(si)==0: return 0

sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2)

for item in prefs[person1] if item in prefs[person2]])

return 1/(1+sqrt(sum_of_squares))

#print sim_distance(critics,'bill','tom')

#pearson method

def sim_pearson (prefs,person1,person2):

si={}

for item in prefs[person1]:

if item in prefs[person2]: si[item]=1

n=len(si)

if n==0:return 1

sum1=sum([prefs[person1][it] for it in si])

sum2=sum([prefs[person2][it] for it in si])

sum1Sq=sum([pow(prefs[person1][it],2)for it in si])

sum2Sq=sum([pow(prefs[person2][it],2)for it in si])

pSum=sum([prefs[person1][it]*prefs[person2][it] for it in si])

#calculate the pearson vlaue

num=pSum-(sum1*sum2/n)

den=sqrt((sum1Sq-pow(sum1,2)/n)*(sum2Sq-pow(sum2,2)/n))

if den==0: return 0

r=num/den

return r

#print sim_pearson(critics,'bill','tom')

#ranking one person's neighborhood

def topmatches (prefs,person,n,similarity=sim_distance):

scores=[(similarity(prefs,person,other),other)

for other in prefs if other!=person]

scores.sort()#sort the similarity

scores.reverse()

return scores[0:n]

#print topmatches(critics,'bill',4)

#recommend process

def getRecommendations (prefs,person,n,similarity=sim_pearson):#n:print the top n item

totals={}

simSums={}

for other in prefs:

if other==person: continue

sim=similarity(prefs,person,other)

#print sim

if sim<=0: continue

for item in prefs[other]:

if item not in prefs[person] or prefs[person][item]==0:

#print item

totals.setdefault(item,0)

totals[item]+=prefs[other][item]*sim

simSums.setdefault(item,0)

#sum of similarity

simSums[item]+=sim

rankings=[(total/simSums[item],item) for item,total in totals.items()]

rankings.sort()

rankings.reverse()

return rankings[0:n]

print getRecommendations (critics,'bill',2)

如果你想做item-based的话，可以利用下面的函数