基于用户的协同过滤算法python实现

基于用户的CF，用的是距离计算方法是余弦相似度。

W3=Usersim(dic)
Last_Rank=Recommend('A',dic,W3,2)
print (Last_Rank)

输入：

Usersim(dic)其中参数dic是一个字典
Recomment()里面的四个参数指得是，对谁进行推荐，dic是上一步的清理好的数据，W3是上一步的结果，2是指相似的若干人，这里的2就是相似的2个人，也就是依据相似的2个人的喜好来推断A的喜好。

输出：

产品和用户对该产品的兴趣度

过程如下（小白可以当做黑盒）：

import math  
from operator import itemgetter


def Usersim(dicc):  
    #把用户-商品字典转成商品-用户字典（如图中箭头指示那样）  
    item_user=dict()  
    for u,items in dicc.items():  
        for i in items:#文中的例子是不带评分的，所以用的是元组而不是嵌套字典。  
            if i not in item_user.keys():  
                item_user[i]=set()#i键所对应的值是一个集合（不重复）。  
            item_user[i].add(u)#向集合中添加用户。  

    C=dict()#感觉用数组更好一些，真实数据集是数字编号，但这里是字符，这边还用字典。  
    N=dict()  
    for item,users in item_user.items():  
        for u in users:  
            if u not in N.keys():  
                N[u]=0   #书中没有这一步，但是字典没有初始值不可以直接相加吧  
            N[u]+=1 #每个商品下用户出现一次就加一次，就是计算每个用户一共购买的商品个数。  
            #但是这个值也可以从最开始的用户表中获得。  
            #比如： for u in dic.keys():  
            #             N[u]=len(dic[u])`这里写代码片`  
            for v in users:  
                if u==v:  
                    continue  
                if (u,v) not in C.keys():#同上，没有初始值不能+=  
                    C[u,v]=0  
                C[u,v]+=1  #这里我不清楚书中是不是用的嵌套字典，感觉有点迷糊。所以我这样用的字典。  

    W=dict()  
    for co_user,cuv in C.items():  
        W[co_user]=cuv / math.sqrt(N[co_user[0]]*N[co_user[1]])  
    return W 

def Recommend(user,dicc,W2,K):  
    rvi=1 #这里都是1,实际中可能每个用户就不一样了。就像每个人都喜欢beautiful girl,但有的喜欢可爱的多一些，有的喜欢御姐多一些。  
    rank=dict()  
    related_user=[]  
    interacted_items=dicc[user]  
    for co_user,item in W2.items():  
        if co_user[0]==user:  
            related_user.append((co_user[1],item))#先建立一个和待推荐用户兴趣相关的所有的用户列表。  
    for v,wuv in sorted(related_user,key=itemgetter(1),reverse=True)[0:K]:  
    #找到K个相关用户以及对应兴趣相似度，按兴趣相似度从大到小排列。itemgetter要导包。  
        for i in dicc[v]:  
            if i in interacted_items:  
                continue #书中少了continue这一步吧？  
            if i not in rank.keys():#如果不写要报错，是不是有更好的方法？  
                rank[i]=0  
            rank[i]+=wuv*rvi  
    return rank