推荐系统Lambda架构介绍（四）：基于用户的协同过滤实现电影评分预测

文章目录1.4 案例--基于协同过滤的电影推荐学习目标1 User-Based CF 预测电影评分2 Item-Based CF 预测电影评分3 1.4 案例–基于协同过滤的电影推荐 学习目标 应用基于用户的协同过滤实现电影评分预测 应用基于物品的协同过滤实现电影评分预测 1 User-Based CF 预测电影评分

数据集下载

下载地址：MovieLens Latest Datasets Small 建议下载ml-latest-small.zip，数据量小，便于我们单机使用和运行

加载ratings.csv，转换为用户-电影评分矩阵并计算用户之间相似度

import os import pandas as pd import numpy as np DATA_PATH = "./datasets/ml-latest-small/ratings.csv" dtype = {"userId": np.int32, "movieId": np.int32, "rating": np.float32} # 加载数据，我们只用前三列数据，分别是用户ID，电影ID，已经用户对电影的对应评分 ratings = pd.read_csv(data_path, dtype=dtype, usecols=range(3)) # 透视表，将电影ID转换为列名称，转换成为一个User-Movie的评分矩阵 ratings_matrix = ratings.pivot_table(index=["userId"], columns=["movieId"],values="rating") #计算用户之间相似度 user_similar = ratings_matrix.T.corr()

预测用户对物品的评分 （以用户1对电影1评分为例）

评分公式
pred(u,i)=r^ui=∑v∈Usim(u,v)∗rvi∑v∈U∣sim(u,v)∣ pred(u,i)=\hat{r}_{ui}=\cfrac{\sum_{v\in U}sim(u,v)*r_{vi}}{\sum_{v\in U}|sim(u,v)|} pred(u,i)=r^ui​=∑v∈U​∣sim(u,v)∣∑v∈U​sim(u,v)∗rvi​​

# 1. 找出uid用户的相似用户 similar_users = user_similar[1].drop([1]).dropna() # 相似用户筛选规则：正相关的用户 similar_users = similar_users.where(similar_users>0).dropna() # 2. 从用户1的近邻相似用户中筛选出对物品1有评分记录的近邻用户 ids = set(ratings_matrix[1].dropna().index)&set(similar_users.index) finally_similar_users = similar_users.ix[list(1)] # 3. 结合uid用户与其近邻用户的相似度预测uid用户对iid物品的评分 numerator = 0 # 评分预测公式的分子部分的值 denominator = 0 # 评分预测公式的分母部分的值 for sim_uid, similarity in finally_similar_users.iteritems(): # 近邻用户的评分数据 sim_user_rated_movies = ratings_matrix.ix[sim_uid].dropna() # 近邻用户对iid物品的评分 sim_user_rating_for_item = sim_user_rated_movies[1] # 计算分子的值 numerator += similarity * sim_user_rating_for_item # 计算分母的值 denominator += similarity # 4 计算预测的评分值 predict_rating = numerator/denominator print("预测出用户对电影的评分：%0.2f" % (1, 1, predict_rating))

封装成方法 预测任意用户对任意电影的评分

def predict(uid, iid, ratings_matrix, user_similar): ''' 预测给定用户对给定物品的评分值 :param uid: 用户ID :param iid: 物品ID :param ratings_matrix: 用户-物品评分矩阵 :param user_similar: 用户两两相似度矩阵 :return: 预测的评分值 ''' print("开始预测用户对电影的评分..."%(uid, iid)) # 1. 找出uid用户的相似用户 similar_users = user_similar[uid].drop([uid]).dropna() # 相似用户筛选规则：正相关的用户 similar_users = similar_users.where(similar_users>0).dropna() if similar_users.empty is True: raise Exception("用户没有相似的用户" % uid) # 2. 从uid用户的近邻相似用户中筛选出对iid物品有评分记录的近邻用户 ids = set(ratings_matrix[iid].dropna().index)&set(similar_users.index) finally_similar_users = similar_users.ix[list(ids)] # 3. 结合uid用户与其近邻用户的相似度预测uid用户对iid物品的评分 numerator = 0 # 评分预测公式的分子部分的值 denominator = 0 # 评分预测公式的分母部分的值 for sim_uid, similarity in finally_similar_users.iteritems(): # 近邻用户的评分数据 sim_user_rated_movies = ratings_matrix.ix[sim_uid].dropna() # 近邻用户对iid物品的评分 sim_user_rating_for_item = sim_user_rated_movies[iid] # 计算分子的值 numerator += similarity * sim_user_rating_for_item # 计算分母的值 denominator += similarity # 计算预测的评分值并返回 predict_rating = numerator/denominator print("预测出用户对电影的评分：%0.2f" % (uid, iid, predict_rating)) return round(predict_rating, 2)

为某一用户预测所有电影评分

def predict_all(uid, ratings_matrix, user_similar): ''' 预测全部评分 :param uid: 用户id :param ratings_matrix: 用户-物品打分矩阵 :param user_similar: 用户两两间的相似度 :return: 生成器，逐个返回预测评分 ''' # 准备要预测的物品的id列表 item_ids = ratings_matrix.columns # 逐个预测 for iid in item_ids: try: rating = predict(uid, iid, ratings_matrix, user_similar) except Exception as e: print(e) else: yield uid, iid, rating if __name__ == '__main__': for i in predict_all(1, ratings_matrix, user_similar): pass

根据评分为指定用户推荐topN个电影

def top_k_rs_result(k): results = predict_all(1, ratings_matrix, user_similar) return sorted(results, key=lambda x: x[2], reverse=True)[:k] if __name__ == '__main__': from pprint import pprint result = top_k_rs_result(20) pprint(result) 2 Item-Based CF 预测电影评分

加载ratings.csv，转换为用户-电影评分矩阵并计算用户之间相似度

import os import pandas as pd import numpy as np DATA_PATH = "./datasets/ml-latest-small/ratings.csv" dtype = {"userId": np.int32, "movieId": np.int32, "rating": np.float32} # 加载数据，我们只用前三列数据，分别是用户ID，电影ID，已经用户对电影的对应评分 ratings = pd.read_csv(data_path, dtype=dtype, usecols=range(3)) # 透视表，将电影ID转换为列名称，转换成为一个User-Movie的评分矩阵 ratings_matrix = ratings.pivot_table(index=["userId"], columns=["movieId"],values="rating") #计算用户之间相似度 item_similar = ratings_matrix.corr()

预测用户对物品的评分 （以用户1对电影1评分为例）

评分公式
pred(u,i)=r^ui=∑v∈Usim(u,v)∗rvi∑v∈U∣sim(u,v)∣ pred(u,i)=\hat{r}_{ui}=\cfrac{\sum_{v\in U}sim(u,v)*r_{vi}}{\sum_{v\in U}|sim(u,v)|} pred(u,i)=r^ui​=∑v∈U​∣sim(u,v)∣∑v∈U​sim(u,v)∗rvi​​

# 1. 找出iid物品的相似物品 similar_items = item_similar[1].drop([1]).dropna() # 相似物品筛选规则：正相关的物品 similar_items = similar_items.where(similar_items>0).dropna() # 2. 从iid物品的近邻相似物品中筛选出uid用户评分过的物品 ids = set(ratings_matrix.ix[1].dropna().index)&set(similar_items.index) finally_similar_items = similar_items.ix[list(ids)] # 3. 结合iid物品与其相似物品的相似度和uid用户对其相似物品的评分，预测uid对iid的评分 numerator = 0 # 评分预测公式的分子部分的值 denominator = 0 # 评分预测公式的分母部分的值 for sim_iid, similarity in finally_similar_items.iteritems(): # 近邻物品的评分数据 sim_item_rated_movies = ratings_matrix[sim_iid].dropna() # 1用户对相似物品物品的评分 sim_item_rating_from_user = sim_item_rated_movies[1] # 计算分子的值 numerator += similarity * sim_item_rating_from_user # 计算分母的值 denominator += similarity # 计算预测的评分值并返回 predict_rating = sum_up/sum_down print("预测出用户对电影的评分：%0.2f" % (uid, iid, predict_rating))

封装成方法 预测任意用户对任意电影的评分

def predict(uid, iid, ratings_matrix, user_similar): ''' 预测给定用户对给定物品的评分值 :param uid: 用户ID :param iid: 物品ID :param ratings_matrix: 用户-物品评分矩阵 :param user_similar: 用户两两相似度矩阵 :return: 预测的评分值 ''' print("开始预测用户对电影的评分..."%(uid, iid)) # 1. 找出uid用户的相似用户 similar_users = user_similar[uid].drop([uid]).dropna() # 相似用户筛选规则：正相关的用户 similar_users = similar_users.where(similar_users>0).dropna() if similar_users.empty is True: raise Exception("用户没有相似的用户" % uid) # 2. 从uid用户的近邻相似用户中筛选出对iid物品有评分记录的近邻用户 ids = set(ratings_matrix[iid].dropna().index)&set(similar_users.index) finally_similar_users = similar_users.ix[list(ids)] # 3. 结合uid用户与其近邻用户的相似度预测uid用户对iid物品的评分 numerator = 0 # 评分预测公式的分子部分的值 denominator = 0 # 评分预测公式的分母部分的值 for sim_uid, similarity in finally_similar_users.iteritems(): # 近邻用户的评分数据 sim_user_rated_movies = ratings_matrix.ix[sim_uid].dropna() # 近邻用户对iid物品的评分 sim_user_rating_for_item = sim_user_rated_movies[iid] # 计算分子的值 numerator += similarity * sim_user_rating_for_item # 计算分母的值 denominator += similarity # 计算预测的评分值并返回 predict_rating = numerator/denominator print("预测出用户对电影的评分：%0.2f" % (uid, iid, predict_rating)) return round(predict_rating, 2)

为某一用户预测所有电影评分

def predict_all(uid, ratings_matrix, item_similar): ''' 预测全部评分 :param uid: 用户id :param ratings_matrix: 用户-物品打分矩阵 :param item_similar: 物品两两间的相似度 :return: 生成器，逐个返回预测评分 ''' # 准备要预测的物品的id列表 item_ids = ratings_matrix.columns # 逐个预测 for iid in item_ids: try: rating = predict(uid, iid, ratings_matrix, item_similar) except Exception as e: print(e) else: yield uid, iid, rating if __name__ == '__main__': for i in predict_all(1, ratings_matrix, item_similar): pass

根据评分为指定用户推荐topN个电影

def top_k_rs_result(k): results = predict_all(1, ratings_matrix, item_similar) return sorted(results, key=lambda x: x[2], reverse=True)[:k] if __name__ == '__main__': from pprint import pprint result = top_k_rs_result(20) pprint(result) 3
作者：汪雯琦

电影 协同过滤 lambda