本文共 4556 字，大约阅读时间需要 15 分钟。

一、算法思想

基于用户的协同过滤算法的思想是有相似兴趣的用户(user)可能会喜欢相同的物品(item)。因此，计算用户的相似度成为该算法的关键步骤。本文实现过程中使用的相似度公式如下：

二、实现思路

1. 数据集
   本实现使用的数据集为 MovieLens 提供的数据：
   
   下载地址：
   加载解压后为：
   
   我们使用 ml-latest-small 文件夹下的 ratings.csv 文件：
   
   该数据集中的数据格式为：
   

userId : 用户 ID

movieId : 用户看过的电影 ID

rating : 用户对所看电影的评分

timestap : 用户看电影的时间戳

2. 定义变量

N : 记录用户看过的电影数量，如： N[“1”] = 10 表示用户 ID 为 “1” 的用户看过 10 部电影；

W : 相似矩阵，存储两个用户的相似度，如：W[“1”][“2”] = 0.66 表示用户 ID 为 “1” 的用户和用户 ID 为 “2” 的用户相似度为 0.66 ；

train : 用户记录数据集中的数据， 格式为： train= { user : [[item1, rating1], [item2, rating2], …], …… }

item_users : 将数据集中的数据转换为 物品_用户 的倒排表，这样做的原因是在计算用户相似度的时候，可以只计算看过相同电影的用户之间的相似度（没看过相同电影的用户相似度默认为 0 ），倒排表的形式为： item_users = { item : [user1, user2, …], ……}

k : 使用最相似的 k 个用户作推荐

n : 为用户推荐 n 部电影

3. 加载数据
   从数据集中读出数据，将数据以 { user : [[item1, rating1], [item2, rating2], …]，……} 的形式存入 train 中，并整理成形如 { item : [user1, user2, …], ……} 的倒排表，存入 item_users 中。
4. 计算相似度矩阵
   遍历 item_users ，统计每个用户看过的电影 item 的次数，同时遍历 item_users 中的 users ，先计算用户 u 和用户 v 看过相同电影的个数存在 W 中， 然后遍历 W ，使用上述公式计算用户 u 和用户 v 的相似度。
5. 推荐
   最后为用户 u 推荐，首先从 item_users 中获得用户 u 已经看过的电影，然后将用户按相似度排序，并取前 k 个用户，对这 k 个用户看过但用户 u 没有看过的电影计算加权评分和，计算公式为：用户相似度 * 用户对电影的评分。

三、源代码

"""@description: a demo for user-based collaborative filtering@author: Chengcheng Zhao@date: 2020-11-15 15:21:13"""import randomimport operatorclass UserBasedCF:    def __init__(self):        self.N = {
   }  # number of items user interacted, N[u] = the number of items user u interacted        self.W = {
   }  # similarity of user u and user v        self.train = {
   } # train = { user : [[item1, rating1], [item2, rating2], …], …… }        self.item_users = {
   }    # item_users = { item : [user1, user2, …]， …… }        # recommend n items from the k most similar users        self.k = 30        self.n = 10    def get_data(self, file_path):        """        @description: load data from dataset        @file_path: path of dataset        """        with open(file_path, 'r') as f:            for i, line in enumerate(f, 0):                if i != 0:  # remove the title of the first line                    line = line.strip('\n')                    user, item, rating, timestamp = line.split(',')                    self.train.setdefault(user, [])                    self.train[user].append([item, rating])                    self.item_users.setdefault(item, [])                    self.item_users[item].append(user)     def similarity(self):        """        @description: calculate similarity between user u and user v        """        for item, users in self.item_users.items():            for u in users:                self.N.setdefault(u, 0)                self.N[u] += 1                for v in users:                    if u != v:                        self.W.setdefault(u, {
   })                        self.W[u].setdefault(v, 0)                        self.W[u][v] += 1   # number of items which both user u and user v have interacted        for u, user_cnts in self.W.items():            for v, cnt in user_cnts.items():                self.W[u][v] = self.W[u][v] / (self.N[u] * self.N[v]) ** 0.5    # similarity between user u and user v     def recommendation(self, user):        """        @description: recommend items for user        @param user : the user who is recommended, we call this user u        @return : items recommended for user u        """        watched = [i[0] for i in self.train[user]]  # items that user have interacted        rank = {
   }        for v, similar in sorted(self.W[user].items(), key=operator.itemgetter(1), reverse=True)[0:self.k]: # order user v by similarity between user v and user u            for item_rating in self.train[v]:   # items user v have interacted                if item_rating[0] not in watched:   # item user hvae not interacted                    rank.setdefault(item_rating[0], 0.)                    rank[item_rating[0]] += similar * float(item_rating[1])        return sorted(rank.items(), key=operator.itemgetter(1), reverse=True)[0:self.n]        if __name__ == "__main__":        file_path = "C:\\Users\\DELL\\Desktop\\code\\python\\dataset\\ml-latest-small\\ratings.csv"    userBasedCF = UserBasedCF()    userBasedCF.get_data(file_path)    userBasedCF.similarity()    user = random.sample(list(userBasedCF.train), 1)    rec = userBasedCF.recommendation(user[0])    print(rec)

四、代码运行结果

程序随机选择一位用户，根据和他最相似的 30 个用户，为其推荐 10 部电影，打印出推荐电影的 ID 和加权评分 [[电影ID, 加权评分]，[电影ID，加权评分]，……]。

参考资料：《推荐系统实践》——项亮

转载地址：http://sezmz.baihongyu.com/