2025-04-17-用户协同过滤-阿里云

2025-04-17-用户协同过滤-阿里云

题目内容

你是一家视频网站的数据工程师，公司希望为用户提供个性化的电影推荐，以提升用户的观看体验。团队决定采用基于协同过滤的推荐算法，通过分析用户的历史评分数据，找出与目标用户兴趣相似的其他用户，进而推荐他们喜欢的电影。你的任务是编写一个程序，基于用户的评分数据，实现一个简单的用户协同过滤推荐系统。

请你帮助团队实现一个使用$NumPy$库的程序，基于协同过滤算法为指定用户生成电影推荐列表。具体要求如下：

1. 读取输入数据集，包含$(N)$个用户对$(M)$部电影的评分矩阵，评分范围为$1-5$的整数，未评分记为0。
2. 读取目标用户的编号$(U)$，对其进行电影推荐。
3. 计算用户之间的相似度，使用皮尔逊相关系数$(PearsonCorrelationCoefficient)$。
4. 根据相似度选取前$(K)$个最相似的用户，默认$(K=3)$。
5. 根据相似用户的评分，预测目标用户未评分电影的评分。

输出目标用户最有可能喜欢的前$(T)$部电影的编号，按照预测评分从高到低排序，若评分相同则按电影编号从小到大排序。

注意：

1. 在预测评分时，即使所有相似用户都未对某个电影评分，也不应忽略该电影，将预测评分设为目标用户的平均评分。
2. 在计算相似度时，对于没有共同评分项目的用户，仍需将其相似度设为0，而非忽略，以免遗漏潜在的相似用户。

输入描述

• 第一行包含两个整数$(N)$和$(M)$，表示用户数量和电影数量。
• 接下来的$(N)$行，每行包含$(M)$个整数，表示用户对电影的评分，未评分记为0，评分范围为$1-5$。
• 接下来一行包含一个整数$(U)$，表示目标用户的编号(从0开始)。
• 最后一行包含一个整数$(T)$，表示需要推荐的电影数量。

输出描述

• 输出一行，包含$(T)$个整数，表示推荐的电影编号(从0开始),按预测评分从高到低排序,编号之间用空格分隔。

补充说明

皮尔逊相关系数

两个用户$(u)$和$(v)$的相似度计算公式为：

$$sim(u,v)=\frac{{\sum }_{i\in I}(r_{u,i}-{\bar{r}}_u)(r_{v,i}-{\bar{r}}_v)}{\sqrt{{\sum }_{i\in I}(r_{u,i}-{\bar{r}}_u{)}^2}\sqrt{{\sum }_{i\in I}(r_{v,i}-{\bar{r}}_v{)}^2}}$$

其中：

• $(I)$为用户$(u)$和$(v)$都评分过的电影集合。
• $(r_{u,i})$为用户$(u)$对电影$(i)$的评分。
• $({\bar{r}}_u)$为用户$(u)$的平均评分。

对于目标用户$(u)$未评分的电影$(j)$，预测评分的计算公式为：

$${\hat{r}}_{u,j}={\bar{r}}_u+\frac{{\sum }_{v\in K}sim(u,v)(r_{v,j}-{\bar{r}}_v)}{{\sum }_{v\in K}|sim(u,v)|}$$

其中：

• $(K)$为与用户$(u)$最相似的前$(K)$个用户集合。
• $(r_{v,j})$为用户$(v)$对电影$(j)$的评分。

样例1

输入:
5 5
5 3 0 1 0
4 0 0 1 0
1 1 0 5 0
0 0 5 4 0
0 0 5 4 0
0 
2 

输出:
2 4

说明

• 目标用户为编号0的用户
• 计算用户之间的相似度，找到与目标用户最相似的3个用户。
• 预测目标用户未评分的电影2和4的评分。
• 推荐评分最高的前2部电影，分别是电影编号2和4。

import numpy as np

n,m = map(int, input().split())
scores = []
for _ in range(n):
    scores.append(list(map(int, input().split())))
u = int(input())
t = int(input())

scores = np.array(scores)
scores

array([[5, 3, 0, 1, 0],
       [4, 0, 0, 1, 0],
       [1, 1, 0, 5, 0],
       [0, 0, 5, 4, 0],
       [0, 0, 5, 4, 0]])

# 计算平均得分
mean_scores = []
for score in scores:
    nonzero = score[score > 0]
    if len(nonzero) > 0:
        mean_scores.append(np.mean(nonzero))
    else:
        mean_scores.append(0.0)
mean_scores = np.array(mean_scores)

array([3.        , 2.5       , 2.33333333, 4.5       , 4.5       ])

user1 = scores[1]
user2 = scores[2]
(user1 != 0) & (user2!=0) 

array([ True, False, False,  True, False])

def sim(i, j):
    user1 = scores[i]
    user2 = scores[j]
    mask = (user1 != 0) & (user2 != 0)
    if not np.any(mask):
        return 0.0
    ru = user1[mask] - mean_scores[i]
    rv = user2[mask] - mean_scores[j]
    return np.sum(ru * rv)/(np.sqrt(np.sum(ru ** 2)) * np.sqrt(np.sum(rv ** 2)))

sim(0,1)

1.0

# 计算相似度
similaritys = [0.0] * n
similaritys[u] = 1.0
for i in range(n):
    if i != u:
        s = sim(u, i)
        similaritys[i] = s
similaritys = np.array(similaritys)

top_k = np.argsort(-similaritys)[:3]
top_k

array([0, 1, 3])

# 对 u 未评分的电影进行评分预测
preds = np.zeros(m)
for j in range(m):
    if scores[u, j] > 0:
        # 已评分电影跳过
        preds[j] = -np.inf
        continue
    # 收集相似用户对电影 j 的评分偏差
    temp1 = 0.0
    temp2 = 0.0
    for v in top_k:
        if similaritys[v] == 0:
            continue
        if scores[v, j] > 0:
            temp1 += similaritys[v] * (scores[v, j] - mean_scores[v])
            temp2 += abs(similaritys[v])
    # 如果没有用户提供评分，则使用目标用户的平均评分
    if temp2 == 0.0:
        preds[j] = mean_scores[u]
    else:
        preds[j] = mean_scores[u] + temp1 / temp2

# 按预测评分排序，取前 T 个电影编号
# 若预测相同，则电影编号小的优先
result = np.argsort(-preds, kind='stable')[:t]
print(" ".join(map(str, list(result))))

2 4