【大数据头歌实验八】大数据综合实验（酒店智能推荐---智慧旅游）

第1关：构建用户-酒店矩阵

import numpy as np

def create_user_hotel_matrix(users, items, data, hotel_id):
    '''
    构建用户-酒店矩阵
    :param users: 用户数量，类型为整数
    :param items: 酒店数量，类型为整数
    :param data: 原始数据，类型为DataFrame
    :param hotel_id: 酒店ID的列表，类型为列表
    :return: user_hotel_matrix
    '''
    user_hotel_matrix = np.zeros((users, items))
    for line in data.itertuples():
        #********* Begin *********#
        users = data.user_id.unique().shape[0]
# 将data中有多少个酒店统计出来并保存到items变量中
        items = data.id.unique().shape[0]
        user_hotel_matrix[line[3], hotel_id.index(line[1])] = line[4]
        #********* End *********#
    return user_hotel_matrix
    data = pd.read_csv('./step1/hotel_data.csv', encoding='utf8')

第2关：酒店智能推荐 

import numpy as np

def recommend_hotel(A, userid):
    '''
    向用户id为userid的用户推荐3家酒店
    :param A: 已经更新好了的矩阵A
    :param userid: 待推荐的userid，类型为整数
    :return: recommend
    '''
    #********* Begin *********#
    m,n = A.shape
    d=5
    alpha=0.1
    lr=0.01
    B = np.random.uniform(0,1,(m,d))
    C = np.random.uniform(0,1,(d,n))
    record = np.array(A>0, dtype=int)
    B_grads = np.dot(np.multiply(record, np.dot(B,C)-A),C.T)
    # 用和上面一样的方式按公式计算loss对C的偏导
    C_grads = np.dot(B.T, np.multiply(record,np.dot(B,C)-A))
    # 根据公式更新矩阵B和矩阵C
    B = alpha*B - lr*B_grads
    C = alpha*C - lr*C_grads
    pred_ratings = np.dot(B, C)
    # 对矩阵A中userid对应的行进行升序排序
    ranklist = np.argsort(A[userid])
    #********* End *********#
    recommend = ranklist[-1:-4:-1]
    return recommend[-1], recommend[-2], recommend[-3]