基于内容推荐算法的电影推荐系统

基于内容的推荐算法

格局用户过去一段时间内喜欢的物品，以及由此推算出来用户偏好，为用户推荐相似物品。其中的“内容”指的便是：用户过去一段时间内喜欢的物品，以及由此推算出来的用户偏好。

算法原理：

基于内容（Content based ,CB）的推荐原理：

向用户推荐所喜欢的Item的相似的Item。
（1）构造Item的特征：
（2) 计算Item内容之间的相似度；
（3）评判用户是否喜欢某个Item。

1.构造Item的特征

在真实应用场景中，往往会用一些属性描述Item的特征，这些属性通常分为以下两种：
.结构化属性：意义明确，其取值固定在某个范围内。
.非结构化属性：特征意义相对不太明确，取值没有什么限制，不可以直接使用。

例子：在电商网站中，Item就是一个商品。例如，Item如果是鞋子，那么尺寸、颜色、品牌等都是结构化属性。
非结构化的数据，需要利用技术手段或人工进行拆分和标注，使之成为结构化数据，才能是使用。

2.计算Item之间的相似度

在确定好Item的特征和用户的偏好模型后，需要计算两个Item之间的相似度。
优化：****使用训练数据得到用户的偏好信息矩阵和物品的特征信息矩阵，然后计算用户对于未进行评分的电影的偏好分，选取前K个推荐给用户。

3.评判用户是否喜欢

在推荐算法中评判用户是否喜欢某个Item就是：利用监督学习或非监督学习的方法，来评判用户喜欢哪些Item，不喜欢那些ITtem，从而为他生成一个偏好模型，对未知的Item进行喜好评判。

结构化数据：
离散型数据：只能采用自然数或整数单位计算的变量。例如，商品属性的唯一编码，虽然是一个整数，但是数值没有意义，只是一个唯一标识。
连续型数据：在一定区间内可以任意取值的变量。例如，商品属性中的长度152.3cm，宽度52.5cm。

注意：使用离散数据和连续型数据需要进行数据归一化处理，实现0-1标准化

基于内容推荐实例

1.实现思路

计算每两个Item内容之间的相似度所产生的算法复杂度是很高的，所以进行优化：首先使用训练数据得到用户的偏好信息矩阵和物品的特征信息矩阵，然后计算用户对于未进行评分的电影的偏好分，选取前K个推荐给用户。

2.构建电影的特征信息矩阵

例如：
A电影的类型为：Animation|Children’s|Comedy
b电影的类型为：Adventure|Children’s|Fantasy
这里假设电影类型为：[Adventure,Animation,Comedy,Children’s,Fantasy]中的一种或几种。对于算法模型来说，这里的类型的名字是没有办法直接使用的，需要将其转化为数字才能够使用。将每条数据的电影类型用一维矩阵表示，则A为[0,1,1,1,0]，B为[1,0,0,1,1]。

3.构建用户偏好信息

图表是一个用户-电影评分表（满分5分，空表示未评分）

可以看出张三更喜欢《山楂树之恋》和《芳华》这两部电影。
假设这两部电影都属于青春类型，那么推断出张三喜欢青春类型电影，这样就可以为张三构建偏好信息：
（1）张三的电影平均分：sum=(4+5)/3=4.
（2）根据下面的公式计算出张三对青春电影的偏好程度。

（3）为用户建立偏见矩阵：其中每个元素表示用户对每种电影类型的偏好程度，如张三偏好矩阵为[0.5,…]

4.计算用户与每部电影的距离

用户与每部电影的余弦相似度越高，则说明用户对电影的偏好程度越高。

5.代码实现

1.准备数据（数据格式转换）
为了数据方便这里将data 下面 ml-1m的数据 users.dat movies.dat ratings.dat 转化为CSV文件。
以users.dat为例 开始转换用户数据

    def process_user_data(self, file='./data/ml-1m/users.dat'):
        if os.path.exists("data/users.csv"):
            print("user.csv已经存在")
        fp = pd.read_table(file, sep='::', engine='python',names=['UserID', 'Gender', 'Age', 'Occupation', 'Zip-code'])
        fp.to_csv('data/users.csv', index=False)

2.获取item的特征信息矩阵

# 获取item的特征信息矩阵
    def prepare_item_profile(self,file='data/movies.csv'):
        items=pd.read_csv(file)
        item_ids=set(items["MovieID"].values)  #MovieID{1,2,3,4,.....}
        self.item_dict={
   }#{1: ['Animation', "Children's", 'Comedy']，2:['Adventure', "Children's", 'Fantasy'],..}#电影ID 和对应的电影类型
        genres_all=list()
        # 将每个电影的类型放在item_dict中
        for item in item_ids:
            genres=items[items["MovieID"]==item]["Genres"].values[0].split("|") #['Animation', "Children's", 'Comedy']