基于用户的协作性过滤推荐系统（为用户推荐影片）

来源：互联网发布：什么是网络语言编辑：程序博客网时间：2024/06/02 22:56

#!/usr/bin/env python #coding=GBKimport chardetfrom math import sqrt   #电影打分， ltl对a电影打了4.3分.....critics = {'ltl':{'a':4.3, 'b': 3.5, 'c': 4.7}            ,'oyl':{'a': 4.3, 'b': 3.5, 'd': 3.0, 'e':4.2}            ,'ygq':{'b': 3.2, 'c': 2.7, 'd': 4.1, 'f':2.1}            ,'mmm':{'a': 2.3, 'd': 4.3, 'e': 1.9}            }#求person1， 和perso2之间的相似度def sim_distance(prefs, person1, person2):    dis = 0    for item in prefs[person1]:        if item in prefs[person2]:            dis += (pow(prefs[person1][item] - prefs[person2][item], 2))                return 1 / (1 + sqrt(dis))   #跟我相似度最大的前n个人def topMatchs(prefs, person, n = 5, similarity = sim_distance):    scores = [(similarity(prefs, person, other), other)for other in prefs if other != person]    scores.sort()    scores.reverse()    return scores[0:n]#对没有看过的电影打分def getRecommendations(prefs, person, similarity = sim_distance):    totals = {}    simSums = {}    for other in prefs:        if other == person:            continue        sim = similarity(prefs, person, other)        if sim <= 0:            continue        for item  in prefs[other]:            if item not in prefs[person]:                totals.setdefault(item, 0)                totals[item] += (sim * prefs[other][item])                            simSums.setdefault(item, 0)                simSums[item] += sim    ranks = [(total / simSums[item], item) for item, total in totals.items()]    ranks.sort()    ranks.reverse()    return ranks    ranks = getRecommendations(critics, 'ltl')for item, item2 in ranks:    en = chardet.detect("item2")['encoding']    print item2, ":", item

参靠：集体智慧

由于自己手头没有数据，这本书上推荐了一个影片打分的数据http://grouplens.org/node/73，一共有10万行打分情况；请自行下载并导入执行

强烈推荐这本书，入门真的很好