数据集：
temp_user_scores_mat.csv 用户–节目评分矩阵
temp_users_movies_01mat.csv 节目及其所属标签类型的01矩阵
temp_movies_01mat.csv 用户收视了的节目–标签01矩阵
整体流程：
根据用户的评分矩阵，可以得到用户对不同类别电影的偏爱程度；再根据类别和其他的电影构成的类别矩阵，得到用户的推荐列表。
第一步 求每个用户的平均评分
求和/（不为0的位置的个数）
第二步 求每个用户对每个类别的平均评分
比如对于用户1，每个位置的评分-用户的平均评分，再对每个Lable求平均
第三步： 求每个用户没看过的电影与第二步所求的每个类别平均评分的余弦相似度，作为最后的评测指标
一、创建节目画像：
createItemsProfiles(参数：df，all_labels，所有电影) ： 每个item对应的类别，构成一个矩阵（就是取每一行）
得到items_users_saw_profiles ：{电影名字：{类型1：属于不属于类型1（0 or 1）}}
二、创建用户画像
createUsersProfiles（df,人,电影，类别，items_users_saw_profiles（节目画像） ）：
1.遍历user-items矩阵：得到每个人的平均值 （评分总和/有评分的电影数）
2.for 每个人：
for 每个lable：
for 每个电影：
if 每个电影的属于某个label(为1，或者大于0):
则电影的属于某个Label的值-均值
再求平均值
计算user-label的评分
用户user1对于类型label1的隐性评分: user1_score_to_label1
用户user1对于其看过的含有类型label1的节目item i 的评分: score_to_item i
用户user1对其所看过的所有节目的平均评分: user1_average_score
用户user1看过的节目总数: items_count
公式： user1_score_to_label1 = Sigma(score_to_item i - user1_average_score)/items_count
items_users_saw 保存 {人名：[电影名]}
items_users_saw_scores 保存{人名:[[电影：分数]，[]]}
users_average_scores_list: 保存{人名：平均评分}
users_profiles: 保存 {人名：{label:分数}} （分数的计算）
三、推荐节目集建立节目画像
createItemsProfiles（df，类别，电影名（所有））
四、对每个用户推荐电影
contentBased()
如果在用户看过的电影里则pass,如果不在计算相似度。最后对相似度排序。最后输出前5个值。
相似度计算：cos(user, item) = sigma_ui/sqrt(sigma_u * sigma_i) calCosDistance（）计算余弦相似度
import math
import pandas as pd
import numpy as np
import os
# 创建节目画像
# 参数说明：
# items_profiles = {item1:{'label1':1, 'label2': 0, 'label3': 0, ...}, item2:{...}...}
def createItemsProfiles(data_array, labels_names, items_names):
items_profiles = {}
for i in range(len(items_names)):
items_profiles[items_names[i]] = {}
for j in range(len(labels_names)):
items_profiles[items_names[i]][labels_names[j]] = data_array[i][j]
return items_profiles
# 创建用户画像
# 参数说明：
# data_array: 所有用户对于其所看过的节目的评分矩阵 data_array = [[2, 0, 0, 1.1, ...], [0, 0, 1.1, ...], ...]
# users_profiles = {user1:{'label1':1.1, 'label2': 0.5, 'label3': 0.0, ...}, user2:{...}...}
def createUsersProfiles(data_array, users_names, items_names, labels_names, items_profiles):
users_profiles = {}
# 计算每个用户对所看过的所有节目的平均隐性评分
# users_average_scores_list = [1.2, 2.2, 4.3,...]
users_average_scores_list = []
# 统计每个用户所看过的节目（不加入隐性评分信息）
# items_users_saw = {user1:[item1, item3, item5], user2:[...],...}
items_users_saw = {}
# 统计每个用户所看过的节目及评分
# items_users_saw_scores = {user1:[[item1, 1.1], [item2, 4.1]], user2:...}
items_users_saw_scores = {}
for i in range(len(users_names)):
items_users_saw_scores[users_names[i]] = []
items_users_saw[users_names[i]] = []
count = 0
sum = 0.0
for j in range(len(items_names)):
# 用户对该节目隐性评分为正，表示真正看过该节目
if data_array[i][j] > 0:
items_users_saw[users_names[i]].append(items_names[j])
items_users_saw_scores[users_names[i]].append([items_names[j], data_array[i][j]])
count += 1
sum += data_array[i][j]
if count == 0:
users_average_scores_list.append(0)
else:
users_average_scores_list.append(sum / count)
for i in range(len(users_names)):
users_profiles[users_names[i]] = {}
for j in range(len(labels_names)):
count = 0
score = 0.0
for item in items_users_saw_scores[users_names[i]]:
# 参数：
# 用户user1对于类型label1的隐性评分: user1_score_to_label1
# 用户user1对于其看过的含有类型label1的节目item i 的评分: score_to_item i
# 用户user1对其所看过的所有节目的平均评分: user1_average_score
# 用户user1看过的节目总数: items_count
# 公式： user1_score_to_label1 = Sigma(score_to_item i - user1_average_score)/items_count
# 该节目含有特定标签labels_names[j]
if items_profiles[item[0]][labels_names[j]] > 0:
score += (item[1] - users_average_scores_list[i])
count += 1
# 如果求出的值太小，直接置0
if abs(score) < 1e-6:
score = 0.0
if count == 0:
result = 0.0
else:
result = score / count
users_profiles[users_names[i]][labels_names[j]] = result
return (users_profiles, items_users_saw)
# 创建节目画像
# 参数说明：
# items_profiles = {item1:{'label1':1, 'label2': 0, 'label3': 0, ...}, item2:{...}...}
def createItemsProfiles(data_array, labels_names, items_names):
items_profiles = {}
for i in range(len(items_names)):
items_profiles[items_names[i]] = {}
for j in range(len(labels_names)):
items_profiles[items_names[i]][labels_names[j]] = data_array[i][j]
return items_profiles
# 计算用户画像向量与节目画像向量的距离（相似度）
# 向量相似度计算公式：
# cos(user, item) = sigma_ui/sqrt(sigma_u * sigma_i)
# 参数说明：
# user_profile: 某一用户user的画像 user = {'label1':1.1, 'label2': 0.5, 'label3': 0.0, ...}
# item: 某一节目item的画像 item = {'label1':1, 'label2': 0, 'label3': 0, ...}
# labels_names: 所有类型名
def calCosDistance(user, item, labels_names):
sigma_ui = 0.0
sigma_u = 0.0
sigma_i = 0.0
for label in labels_names:
sigma_ui += user[label] * item[label]
sigma_u += (user[label] * user[label])
sigma_i += (item[label] * item[label])
if sigma_u == 0.0 or sigma_i == 0.0: # 若分母为0，相似度为0
return 0
return sigma_ui / math.sqrt(sigma_u * sigma_i)
# 基于内容的推荐算法：
# 借助特定某个用户user的画像user_profile和备选推荐节目集的画像items_profiles，通过计算向量之间的相似度得出推荐节目集
# 参数说明：
# user_profile: 某一用户user的画像 user_profile = {'label1':1.1, 'label2': 0.5, 'label3': 0.0, ...}
# items_profiles: 备选推荐节目集的节目画像: items_profiles = {item1:{'label1':1, 'label2': 0, 'label3': 0}, item2:{...}...}
# items_names: 备选推荐节目集中的所有节目名
# labels_names: 所有类型名
# items_user_saw: 用户user看过的节目
def contentBased(user_profile, items_profiles, items_names, labels_names, items_user_saw):
# 对于用户user的推荐节目集为 recommend_items = [[节目名, 该节目画像与该用户画像的相似度], ...]
recommend_items = []
for i in range(len(items_names)):
# 从备选推荐节目集中的选择用户user没有看过的节目
if items_names[i] not in items_user_saw:
recommend_items.append(
[items_names[i], calCosDistance(user_profile, items_profiles[items_names[i]], labels_names)])
# 将推荐节目集按相似度降序排列
recommend_items.sort(key=lambda item: item[1], reverse=True)
return recommend_items
# 输出推荐给该用户的节目列表
# max_num:最多输出的推荐节目数
def printRecommendedItems(recommend_items_sorted, max_num):
count = 0
for item, degree in recommend_items_sorted:
print("节目名：%s， 推荐指数：%f" % (item, degree))
count += 1
if count == max_num:
break
# 主程序
if __name__ == '__main__':
all_users_names = ['3', '13', '23']
# 按指定顺序排列所有的标签
all_labels = ['剧情', '西部', '家庭', '惊悚', '动画',
'爱情', '情色', '运动', '音乐', '灾难',
'悬疑', '儿童', '短片', '历史', '动作',
'科幻', '传记', '同性', '冒险', '歌舞',
'脱口秀', '真人秀', '新闻', '恐怖', '奇幻',
'犯罪', '喜剧', '纪录片', '战争', '古装',
'武侠', '综艺', '电视剧', '邵氏', '电影']
labels_num = len(all_labels)
# 读取用户--节目评分矩阵
df1 = pd.read_csv('../data/dianshi-data/temp_user_scores_mat.csv', sep=',', encoding='gbk',
header='infer', error_bad_lines=False)
# print(df1)
(m1, n1) = df1.shape
# print(m1,n1)
# 所有用户对其看过的节目的评分矩阵
data_array1 = np.array(df1.iloc[:m1 + 1, 1:])
#print(data_array1) #得到矩阵
# 按照"所有用户对其看过的节目的评分矩阵"的列序排列的所有用户观看过的节目名称
items_users_saw_names1 = df1.columns[1:].tolist()
#print(items_users_saw_names1) #'剧场', '王牌对王牌', '最强大脑', '金牌调解',
# 读取用户观看过的节目及其所属类型的01矩阵
df2 = pd.read_csv('../data/dianshi-data/temp_users_movies_01mat.csv', sep=',', encoding='gbk',
header='infer', error_bad_lines=False)
(m2, n2) = df2.shape
data_array2 = np.array(df2.iloc[:m2 + 1, 1:])
#print(data_array2)
# 按照"所有用户看过的节目及所属类型的01矩阵"的列序排列的所有用户观看过的节目名称
# items_users_saw_names2 = np.array(df2.iloc[:m2 + 1, 0]).tolist() #此句语句得不到节目名称
items_users_saw_names2 = np.array(df2.iloc[:m2 + 1, 0]).tolist()
#print(items_users_saw_names2) #节目名
# 为用户看过的节目建立节目画像
items_users_saw_profiles = createItemsProfiles(data_array2, all_labels, items_users_saw_names2)
#print(items_users_saw_profiles) #每一行的值
# 建立用户画像users_profiles和用户看过的节目集items_users_saw
(users_profiles, items_users_saw) = createUsersProfiles(data_array1, all_users_names, items_users_saw_names1,
all_labels, items_users_saw_profiles)
# print(users_profiles)
# 读取备选节目及其所属类型的01矩阵
df3 = pd.read_csv('../data/dianshi-data/temp_movies_01mat.csv', sep=',', encoding='gbk',
header='infer', error_bad_lines=False)
(m3, n3) = df3.shape
data_array3 = np.array(df3.iloc[:m3 + 1, 1:])
# 按照"备选推荐节目集及所属类型01矩阵"的列序排列的所有用户观看过的节目名称
items_to_be_recommended_names = np.array(df3.iloc[:m3 + 1, 0]).tolist()
# 为备选推荐节目集建立节目画像
items_to_be_recommended_profiles = createItemsProfiles(data_array3, all_labels, items_to_be_recommended_names)
# 开始推荐
for user in all_users_names:
print("给用户id为 %s 的推荐节目如下：" % user)
recommend_items = contentBased(users_profiles[user], items_to_be_recommended_profiles,
items_to_be_recommended_names, all_labels, items_users_saw[user])
printRecommendedItems(recommend_items, 5)
print('该用户推荐任务完成。')
得到推荐结果：
参考：
https://blog.csdn.net/qq_38281438/article/details/83615810
数据下载https://download.csdn.net/download/qq_38281438/10757266
1805
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
