簡單的python協同過濾程式執行個體代碼,python協同過濾執行個體

來源:互聯網
上載者:User

簡單的python協同過濾程式執行個體代碼,python協同過濾執行個體

本文研究的主要是python協同過濾程式的相關內容,具體介紹如下。

關於協同過濾的一個最經典的例子就是看電影,有時候不知道哪一部電影是我們喜歡的或者評分比較高的,那麼通常的做法就是問問周圍的朋友,看看最近有什麼好的電影推薦。在問的時候,都習慣於問跟自己口味差不多的朋友,這就是協同過濾的核心思想。

這個程式完全是為了應付大資料分析與計算的課程作業所寫的一個小程式,先上程式,一共55行。不在意細節的話,55行的程式已經表現出了協同過濾的特性了。就是對每一個使用者找4個最接近的使用者,然後進行推薦,在選擇推薦的時候是直接做的在4個使用者中選擇該使用者item沒包括的,當然這裡沒限制推薦數量,個人覺得如果要提高推薦準確率的畫,起碼,1,要對流行的item進行處理。2,將相鄰的四個使用者的item進行排序,從多到少的進行推薦。程式所用的資料是movielens上的(http://grouplens.org/datasets/movielens)。相似性的計算也很簡單,直接用了交集和差集的比值。好吧,上程式

#coding utf-8import osimport sysimport ref1=open("/home/alber/data_base/bigdata/movielens_train_result.txt",'r')  #讀取train檔案,已經處理成每一行代表一位使用者的item,項之間用空格。f2=open("/home/alber/data_base/bigdata/movielens_train_result3.txt",'a')txt=f1.readlines()contxt=[]f1.close()userdic={}for line in txt:  line_clean=" ".join(line.split())  position=line_clean.index(",")  ID=line_clean[0:position]  item=line_clean[position+1:]  userdic.setdefault(ID,item)  if len(item)>=5:           #對觀影量少於5的使用者不計入相似性計算的範圍    contxt.append(item)for key in userdic.keys():        #計算每位使用者的4個最相似使用者  ID_num=key  value=userdic[key]   user_item=value.split(' ')   Sim_user=[]   for lines in contxt:     lines_clean=lines.split(' ')     intersection=list(set(lines_clean).intersection(set(user_item)))     lenth_intersection=len(intersection)     difference=list(set(lines_clean).difference(set(user_item)))     lenth_difference=len(difference)     if lenth_difference!=0:                            Similarity=float(lenth_intersection)/lenth_difference          #交集除以差集作為相似性的判斷條件       Sim_user.append(Similarity)     else:       Sim_user.append("0")   Sim_user_copy=Sim_user[:]   Sim_user_copy.sort()   Sim_best=Sim_user_copy[-4:]   position1=Sim_user.index(Sim_best[3])   position2=Sim_user.index(Sim_best[2])   position3=Sim_user.index(Sim_best[1])   position4=Sim_user.index(Sim_best[0])   if position1!=0 and position2!=0 and position3!=0 and position4!=0:     recommender=userdic[str(position1)]+" "+userdic[str(position2)]+" "+userdic[str(position3)]+" "+userdic[str(position4)] #將4位使用者的看過的電影作為推薦   else:    recommender="none"     reco_list=recommender.split(' ')  recomm=[]  for good in reco_list:    if good not in user_item:      recomm.append(good)    else:      pass  f2.write((" ".join(recomm)+"\n"))f2.close()

總結

以上就是本文關於簡單的python協同過濾程式執行個體代碼的全部內容,希望對大家有所協助。感興趣的朋友可以繼續參閱本站其他相關專題,如有不足之處,歡迎留言指出。感謝朋友們對本站的支援!

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.