python 推荐与该用户喜欢的电影类型相同的电影

最新推荐文章于 2022-12-29 09:56:15 发布

weixin_44322234

最新推荐文章于 2022-12-29 09:56:15 发布

阅读量1.9k

点赞数 3

分类专栏： python

本文链接：https://blog.csdn.net/weixin_44322234/article/details/115198909

版权

python 专栏收录该内容

28 篇文章

订阅专栏

本文介绍了一个基于用户历史评分数据的电影推荐系统实现方法。通过计算用户间的相似度，找到与目标用户兴趣最为接近的用户，并依据该用户的评分记录来为目标用户推荐未观看过的高分电影。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

假设已有大量用户对若干电影的评分数据，现有某用户，也看过一些电影并进行过评分，要求根据已有打分数据为该用户进行精准推荐。要求尽量推荐与该用户喜欢的电影类型相同的电影（或者说，根据与该用户爱好最相似的用户打分数据进行推荐），如果有多个可能的电影，则推荐打分最高的电影。

from random import randrange

#历史电影打分数据，一个10个用户，每个用户对3到9个电影进行评分
#每个电影的评分最低1分，最高5分，这里是字典推导式和集合推导式的用法
data= {'user'+str(i):{'film'+str(randrange(1,15)):randrange(1,6) 
                      for j in range(randrange(3,10))} 
       for i in range(10)}    

#模拟当前用户打分数据，为5部随机电影打分
user={'film'+str(randrange(1,15)):randrange(1,6) for i in range(5)}


# 最相似的用户及其对电影的打分情况
# 两个用户共同打分的电影最多
# 并且所有电影的打分差值最小
f = lambda item:(-len(item[1].keys()&user),
              sum(((item[1].get(film)-user.get(film))**2
                   for film in user.keys()&item[1].keys())))
similarUser,films= min(data.items() , key=f)

# 在输出结果中，第一列表示两个人共同打分的电影的数量
# 第二列表示两人打分之间的相似度，数字越小表示越相似
# 然后是该用户对电影的打分数据
print('known data'.center(50,'='))
for item in data.items():
    print(len(item[1].keys()&user.keys()),
        sum(((item[1].get(film)-user.get(film))**2
             for film in user.keys()&item[1].keys())),
        item,
        sep=':')
print('curren user'.center(50,'='))
print(user)
print('most similar user and his films'.center(50,'='))
print(similarUser,films,sep=':')
print('recommended film'.center(50,'='))

# 在当前用户没看过的电影中选择打分最高的进行推荐
print(max(films.keys()-user.keys(), key=lambda film : films[film]))