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----

来源：https://blog.csdn.net/zhouwenyuan1015/article/details/72584727