本文主要是介绍基于用户的协同过滤(user-based CF)推荐系统【2】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
这一篇是紧跟着上一篇基于用户的协同过滤(user-based CF)推荐系统【1】的,这一篇只是把计算相似度的方法换成了余弦相似度,当然最后计算评分的公式也就变了。下面只把有变化的那部分代码贴出来。直接替换到上一篇里面的代码就可以了。
simpleCF.py
part1 += user_movie[u][m]*user_movie[n][m]*1.0
part2 += pow(user_movie[u][m], 2)*1.0
part3 += pow(user_movie[n][m], 2)*1.0
for n, nuw in sorted(userSim[user].items(),key=itemgetter(1),reverse=True)[0:N]: average_n_rate = average_rating(n) #用户n的平均分for i, nrating in user_movie[n].items(): #用户n看过电影集合及评分# filter movies user interacted beforeif i in interacted_items:continuepred.setdefault(i,0)pred[i] += nuw * nratingsumUserSim += nuwfor i, rating in pred.items():pred[i] = (pred[i]*1.) / sumUserSim
只是simpleCF.py这个文件有点改动,evaluateRecom.py文件没有改动。
Tips:初学推荐系统的朋友可以看看这篇文章,2005年的,比较久了,但是比较基础,里面介绍了
collaboratiofiltering,content-based recommendation, hybrid recommendation,比较全。
http://dl.acm.org/citation.cfm?id=1070751
Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions
这篇关于基于用户的协同过滤(user-based CF)推荐系统【2】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!