基于matlab实现项目的协同过滤算法

%% 载入训练数据 load u1.base; %% 数据预处理 % 提取数据的前三列，即用户序号、被该用户评价电影序号、评价分值 [m,n]=size(u1); test=zeros(m,3); for i=1:3 test(:,i)=u1(:,i); end %% 建立评分矩阵 %并不是行数就是用户数，因为一个用户评价多个电影；为什么最大值就对了呢？观察数据集u1.base会发现，已经排好序了， % 而且每个用户都有评分；实际上对u.user的行数就是用户数 %实际上这样不严谨？要是由用户没评分呢？要是有点硬没被评分呢？或许做过处理了吧 %也可能是只是求所有电影数目，不管这个文件里存在什么，是的，就是这个 number_user=max(test(:,1)); number_movies=max(test(:,2)); score_matrix=zeros(number_user,number_movies);%评分矩阵 for i=1:m score_matrix(test(i,1),test(i,2))=test(i,3); end Sim_matrix=zeros(number_movies,number_movies);%相似度矩阵 tic; %计算评分矩阵 for i=1:number_movies-1 for j=i+1:number_movies Sim_matrix(i,j)=Similarity_ab(score_matrix,i,j); end end toc; %% 建立相似度矩阵 neibor_num=10;%邻居的大小 Sim_matrix=Sim_matrix'+Sim_matrix;%求完整的相似度矩阵，就是形成对称矩阵 %neibor_sim_matrix_temp为排好序的相似度矩阵 %neibor_matrix_temp各个相似度所对应的电影，也就是我们要找的邻居 value_1_index=find(Sim_matrix>=0.9999);%找出Sim_matrix矩阵中所有相似度为1的值， %因为可能是错误值，后期选择邻居不应考虑。 %为什么不是value_1_index=find(Sim_matrix==1)这样有部分1不能正确找出，可以试试看 Sim_matrix(value_1_index)=0;%将所有相似度为1的值用0代替 %% 载入测试集 load u11.test; %% 作预测 [m,n]=size(u11); test=zeros(m,3); for i=1:3 test(:,i)=u11(:,i); end Predict_score=zeros(m,1); for j=1:m %score_matrix来自于训练集 P_u=find(score_matrix(test(j,1),:)~=0);%找出该用户评价的电影集合 [~,num]=size(P_u);%计算该用户评价的电影个数 %%%%%%%%%%%计算邻居%%%%%%%%%%%% neibor_num=10;%最大为4 P_u_sim=Sim_matrix(test(j,2),P_u); %index显示的是原来的位置，不过不会递增，按行排序的话，index每行都是1到列数 [temp,index]=sort(P_u_sim,2,'descend');%按行降序排列 [~,num1]=size(index); if num1>=neibor_num neibor=(P_u(index(1:neibor_num))); else neibor=(P_u(index)); neibor_num=num1; end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%% sum_score=sum(score_matrix(test(j,1),:),2);%该用户对所有电影的总评分 aver_score=sum_score/num;%该用户对电影的平均评分 sum1=0; sum2=0; for i=1:neibor_num sum1 = sum1+Sim_matrix(test(j,2),neibor(i))*(score_matrix(test(j,1),neibor(i))-aver_score); sum2 = sum2+Sim_matrix(test(j,2),neibor(i)); end if sum2==0 Predict_score(j,1)=round(aver_score); %排除分母为零的情况 else Predict_score(j,1)=round(aver_score+sum1/sum2); %确保预测值为1~5的评分数 if Predict_score(j,1)>5 Predict_score(j,1)=5; elseif Predict_score(j,1)<1 Predict_score(j,1)=1; end end end %% 计算RMSE Eval=zeros(m,3); Eval(:,1)=test(:,3); Eval(:,2)=Predict_score(:,1); Eval(:,3)=abs(test(:,3)-Predict_score(:,1)); RMSE=sqrt(Eval(:,3)'*Eval(:,3)/m);