导入需要的包
import numpy as np
import pandas as pd
设置常数及参数。用户数、物品数与评分总数可以查看文件或使用python读取数据获得。
n_users = 6040 # 用户的总数
n_items = 3952 # 物品的总数
n_all_ratings = 1000209 # 总的评价数
train_ratio = 0.9 # 训练集所占比例
初始化所有用户的评分矩阵与隐式评分矩阵,以及测试集与训练集的评分矩阵与隐式评分矩阵
ratings = np.zeros((n_users,n_items)) # 用户-物品评分矩阵
mask_ratings = np.zeros((n_users,n_items)) # 用户-物品隐式评分矩阵
train_ratings = np.zeros((n_users,n_items)) # 训练集用户-物品评分矩阵
test_ratings = np.zeros((n_users,n_items)) # 测试集用户-物品评分矩阵
train_mask_ratings = np.zeros((n_users,n_items)) #训练集用户-物品隐式评分矩阵
test_mask_ratings = np.zeros((n_users,n_items)) #测试集用户-物品隐式评分矩阵
将评分顺序随机打乱,划分测试集与训练集。
random_perm_idx = np.random.permutation(n_all_ratings) # 返回一个随机排列的序列,目的是打乱评分顺序
train_idx = random_perm_idx[0:int(n_all_ratings*train_ratio)] # 训练集数据索引
test_idx = random_perm_idx[int(n_all_rati