python基于物品协同过滤算法实现代码

本次测试基于movielens数据集实现的基于物品的协同过滤，目前只是在小样本上实现，主要问题是计算太耗内存，后期代码继续优化与完善。

数据集说明：movies.dat中数据是用户对电影的评分。数据格式：userid::movieid::rating::timestamp。

代码

import pandas as pd
import numpy as np
import math 
import os
import time
import datetime

os.chdir(r'f:\zxx\pthon_work\cf')

def loaddata():
 #读入movies.dat, rating.dat,tags.dat
 #mnames=['movie_id','title','genres']
 #movies=pd.read_table(r'.\data\movies.dat',sep='::',header=none,names=mnames)

 rnames=['userid','movieid','rating','timestamp']
 all_ratings=pd.read_table(r'.\data\ratings.dat',sep='::',header=none,names=rnames,nrows=300000)

 #tnames=['userid','movieid','tag','timestamp']
 #tags=pd.read_table(r'.\data\tags.dat',sep='::',header=none,names=tnames)
 return all_ratings

#数据探索：rating
def data_alay(ratings):
 """rating nums10000054, 3, 
 示例 ： 1  122  5 838985046
 col:'userid','movieid','rating','timestamp'
  """
 #一个用户只对一个电影打分一次
 ur=ratings.groupby([ratings['userid'],ratings['movieid']])
 len(ur.size)

#计算每部电影的平均打分,电影数10677
def avgrating(ratings):
 movies_mean=ratings['rating'].groupby(ratings['movieid']).mean()#计算所有用户对电影x的平均打分
 movies_id=movies_mean.index
 movies_avg_rating=movies_mean.values
 return movies_id,movies_avg_rating,movies_mean

#计算电影相似度矩阵相，即建立10677*10677矩阵
def calculatepc(ratings):
 movies_id,movies_avg_rating,movies_mean=avgrating(ratings)
 #pc_mat=np.eye(3)#建立电影相似度单位矩阵
 pc_dic={}
 top_movie=len(movies_id)
 for i in range(0,top_movie):
  for j in range(i+1,top_movie):
   movieaid=movies_id[i]
   moviebid=movies_id[j]
   see_moviesa_user=ratings['userid'][ratings['movieid']==movieaid]
   see_moviesb_user=ratings['userid'][ratings['movieid']==moviebid]
   join_user=np.intersect1d(see_moviesa_user.values,see_moviesb_user.values)#同时给电影a、b评分的用户
   moviea_avg=movies_mean[movieaid]
   movieb_avg=movies_mean[moviebid]
   key1=str(movieaid)+':'+str(moviebid)
   key2=str(moviebid)+':'+str(movieaid)
   value=twomoviespc(join_user,movieaid,moviebid,moviea_avg,movieb_avg,ratings)
   pc_dic[key1]=value   
   pc_dic[key2]=value      
   #pc_mat[i][i+1]=twomoviespc(join_user,movieaid,moviebid,moviea_avg,movieb_avg,ratings)
   #print ('---the %s, %d,%d:--movie %s--%s--pc is %f' % (key1,movieaid,moviebid,movieaid,moviebid,pc_dic[key1]))
 return pc_dic

#计算电影a与电影b的相似度，皮尔森相似度=sum(a-a^)*sum(b-b^)/sqrt(sum[(a-a^)*(a-a^)]*sum[(b-b^)*(b-b^)])
def twomoviespc(join_user,movieaid,moviebid,moviea_avg,movieb_avg,ratings):
 cent_ab_sum=0.0#相似度分子
 centa_sum=0.0#分母
 centb_sum=0.0#分母
 movieab_pc=0.0#电影a,b的相似度
 count=0
 for u in range(len(join_user)):
  #print '---------',u
  count=count+1
  rata=ratings['rating'][ratings['userid']==join_user[u]][ratings['movieid']==movieaid].values[0]#用户给电影a评分
  ratb=ratings['rating'][ratings['userid']==join_user[u]][ratings['movieid']==moviebid].values[0]#用户给电影b评分
  cent_ab=(rata-moviea_avg)*(ratb-movieb_avg) #去均值中心化
  centa_square=(rata-moviea_avg)*(rata-moviea_avg) #去均值平方
  centb_square=(ratb-movieb_avg)*(ratb-movieb_avg)#去均值平方
  cent_ab_sum=cent_ab_sum+cent_ab
  centa_sum=centa_sum+centa_square
  centb_sum=centb_sum+centb_square
 if(centa_sum>0 and centb_sum>0 ):
  movieab_pc=cent_ab_sum/math.sqrt(centa_sum*centb_sum)
 return movieab_pc

"""
预测用户u对那些电影感兴趣。分三步，
 1）用户u过去x天看过的电影。
 2）提出用户u已看过的电影，根据用户u过去看过的电影，计算用户u对其他电影的打分.
 3) 拉去打分最高的的电影给用户推荐。
预测用户u对电影c的打分。分三步：（先只做这个）
 1）用户u过去x天看过的电影。
 2）利用加权去中心化公式预测用户u对电影c的打分.

"""
#日期处理： -3天，然后转换为uinxtime
def timepro(last_rat_time,useru):
 lastdate= datetime.datetime.fromtimestamp(last_rat_time[useru]) #unix转为日期
 date_sub3=lastdate+datetime.timedelta(days=-3)#减去3天
 unix_sub3=time.mktime(date_sub3.timetuple())#日期转为unix
 return unix_sub3

#取用户最后一次评分前3天评估的电影进行预测
def gethisrat(ratings,last_rat_time,useruid):
 unix_sub3= timepro(last_rat_time,useruid)
 useru_info=ratings[ratings['userid']==useruid][ratings['timestamp']>unix_sub3]
 return useru_info

#预测用户u对电影c的打分
def hadseenmoviebyuser(useruid,moviea,ratings,pc_dic,movies_mean):
 pre_rating=0.0 
 last_rat_time=ratings['timestamp'].groupby([ratings['userid']]).max()#获取用户u最近一次评分日期
 useru_info= gethisrat(ratings,last_rat_time,useruid)#获取用户u过去看过的电影

 flag=0#表示新电影，用户u是否给电影a打过分
 wmv=0.0#相似度*mv平均打分去均值后之和
 w=0.0#相似度之和
 movie_useru=useru_info['movieid'].values#当前用户看过的电影
 if moviea in movie_useru:
  flag=1
  pre_rating=useru_info['rating'][useru_info['movieid']==moviea].values
 else:
  for mv in movie_useru:
   key=str(mv)+':'+str(moviea)
   rat_u_mv=useru_info['rating'][useru_info['movieid']==mv][useru_info['userid']==useruid].values#用户u对看过电影mv的打分
   wmv=(wmv+pc_dic[key]*(rat_u_mv-movies_mean[mv]))#相似度*mv平均打分去均值后之和
   w=(w+pc_dic[key])#看过电影与新电影相似度之和
   #print ('---have seen mv %d with new mv %d,%f,%f'%(mv,moviea,wmv,w))   
  pre_rating=(movies_mean[moviea]+wmv/w)
 print ('-flag:%d---user:%d rating movie:%d with %f score----' %(flag,useruid,moviea,pre_rating))
 return pre_rating,flag

if __name__=='__main__':
 all_ratings=loaddata()
 movie_num=100#控制电影数，只针对电影id在该范围的数据进行计算，否则数据量太大 
 ratings=all_ratings[all_ratings['movieid']<=movie_num]

 movies_id,movies_avg_rating,movies_mean=avgrating(ratings)
 pc_dic=calculatepc(ratings)#电影相似度矩阵
 #预测
 useruid=10#当前数据集只看过电影4，7，
 moviea=6 
 pre_rating,flag=hadseenmoviebyuser(useruid,moviea,ratings,pc_dic,movies_mean)

 "-----------------测试id提取------------------"
 #选取useruid
 ratings.head(10)#从前10行中随机选取一个用户id,例如：userid=10
 #查看该用户在当前数据集中看过那些电影，方便选取新电影（防止选择的是用户已经看过的电影）
 ratings[ratings['userid']==10]#该用户在当前数据集中，只看过电影movieid in(4，7)，则可选择不是4，7的电影id进行预测，例如6.

运行结果：

-flag:0---user:10 rating movie:6 with 4.115996 score----

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。