python协同过滤算法计算时间_基于Python的协同过滤算法的设计与实现

基于

Python

的协同过滤算法的设计与实现

张玉叶

1

，宿

超

2

【摘

要】

协同过滤算法是推荐系统中最常用的推荐算法之一，该算法的关键是

计算物品或用户的相似度，通常采用同现矩阵来实现，因同现矩阵是一稀疏矩

阵，已有的一些推荐系统中通常采用二维数组来存放同现矩阵，利用第三方扩

展库

Numpy

来计算推荐评分，时间空间效率相对较低，利用

Python

内置的

序列字典来存放稀疏矩阵，自行编写相应的代码来求解推荐评分，可有效提高

算法的时间、空间效率。

【期刊名称】

山东广播电视大学学报

【年

(

卷

),

期】

2019(000)002

【总页数】

4

【关键词】

推荐系统；协同过滤；同现矩阵

一、引言

随着网络的飞速发展，网络信息飞速增长，人们面临着“信息过载”和“信息

迷航”的问题。借助于搜索引擎，人们可以从海量信息中查找到自己所需的信

息。但是，搜索引擎只适用于在有明确需求的情况下帮人们查找信息，如果在

没有明确需求的情况下，搜索引擎则难以帮助人们有效地筛选信息。此时推荐

技术应运而生，它通过研究用户的兴趣偏好，自动建立起用户和信息之间的联

系，从而帮助用户从海量信息中去发掘自己潜在的需求。

推荐系统是建立在海量数据挖掘基础上的，它通过分析用户的历史数据来了解

用户的需求和兴趣，从而将用户感兴趣的信息、物品等主动推荐给用户，其本

质是建立用户与物品之间的联系。常用的推荐算法主要有专家推荐、基于统计