数据挖掘-基于用户的协同过滤算法实现电影推荐-皮尔逊系数和欧氏距离

''' @Author：Runsen ''' import pandas as pd from math import pow, sqrt movies = pd.read_csv(r'movies.csv') # 注意含中文路径需要在前面加 r 转义 ratings = pd.read_csv(r'ratings.csv') # 合并两个文件 data = pd.merge(movies,ratings,on = 'movieId') # 通过两数据框之间的movieId连接 data[['userId','rating','movieId','title']].sort_values('userId').to_csv(r'merged.csv',index=False) file = open(r'merged.csv','r',encoding='UTF-8') # 读取每行中除了名字的数据 data = {} # 存放每位用户评论的电影和评分 for line in file.readlines(): # 注意这里不是readline();是自动将文件内容分析成一个行的列表 line = line.strip().split(',') # 如果字典中没有某位用户，则使用用户ID来创建这位用户 if not line[0] in data.keys(): data[line[0]] = {line[3]: line[1]} # 否则直接添加以该用户ID为key字典中 else: data[line[0]][line[3]] = line[1] def Euclidean(user1,user2): # 取出两位用户评论过的电影和评分 user1_data = data[user1] user2_data = data[user2] distance = 0 # 找到两位用户都评论过的电影，并计算欧式距离 for key in user1_data.keys(): if key in user2_data.keys(): # 注意，distance越大表示两者越相似 distance += pow(float(user1_data[key]) - float(user2_data[key]), 2) return 1 / (1 + sqrt(distance)) # 这里返回值越大，相似度越大 # 计算两用户之间的Pearson相关系数 def pearson_sim(user1, user2): # 取出两位用户评论过的电影和评分 user1_data = data[user1] user2_data = data[user2] distance = 0 common = {} # 找到两位用户都评论过的电影 for key in user1_data.keys(): if key in user2_data.keys(): common[key] = 1 if len(common) == 0: return 0 # 如果没有共同评论过的电影，则返回0 n = len(common) # 共同电影数目 # print(n, common) # 计算评分和 sum1 = sum([float(user1_data[movie]) for movie in common]) sum2 = sum([float(user2_data[movie]) for movie in common]) # 计算评分平方和 sum1Sq = sum([pow(float(user1_data[movie]), 2) for movie in common]) sum2Sq = sum([pow(float(user2_data[movie]), 2) for movie in common]) # 计算乘积和 PSum = sum([float(user1_data[it]) * float(user2_data[it]) for it in common]) # 计算相关系数 num = PSum - (sum1 * sum2 / n) den = sqrt((sum1Sq - pow(sum1, 2) / n) * (sum2Sq - pow(sum2, 2) / n)) if den == 0: return 0 r = num / den return r # 找到最相似的k个用户 def top_similar(userID): res = [] for userid in data.keys(): if not userid == userID: sim = Euclidean(userID, userid) # 相似度计算 res.append((userid, sim)) # 计算结果放入列表 res.sort(key=lambda val: val[1], reverse=True) # 降序排序 return res[1:11] def per_top_similar(userID): res = [] for userid in data.keys(): if not userid == userID: sim = pearson_sim(userID,userid) res.append((userid, sim)) # 计算结果放入列表 res.sort(key=lambda val: val[1], reverse=True) # 降序排序 return res[1:11] # 找到最相似的用户看过的电影 def recommend(user): # 相似度最高的用户 top_sim_user = top_similar(user)[0][0] # 相似度最高的用户的观影记录 items = data[top_sim_user] recommendations = [] # 筛选出该用户未观看的电影并添加到列表中 for item in items.keys(): if item not in data[user].keys(): recommendations.append((item, items[item])) recommendations.sort(key=lambda val: val[1], reverse=True) # 按照评分排序 # 返回评分最高的10部电影 return recommendations[:20] def per_recommend(user): # 相似度最高的用户 top_sim_user = per_top_similar(user)[0][0] # 相似度最高的用户的观影记录 items = data[top_sim_user] recommendations = [] # 筛选出该用户未观看的电影并添加到列表中 for item in items.keys(): if item not in data[user].keys(): recommendations.append((item, items[item])) recommendations.sort(key=lambda val: val[1], reverse=True) # 按照评分排序 # 返回评分最高的10部电影 return recommendations[:20] if __name__ == '__main__': User = input("请输入用户id：") # User = '1' print("欧氏距离相似用户：") RES = top_similar(User) for i in range(len(RES)): print(RES[i]) print("皮尔逊计算相似用户：") PRES = per_top_similar(User) for k in range(len(PRES)): print(PRES[k]) RECOM = recommend(User) print("欧氏推荐电影及评分：") for j in range(len(RECOM)): print(RECOM[j]) PRECOM = per_recommend(User) print("皮尔逊系数推荐电影：") for n in range(len(PRECOM)): print(PRECOM[n])