基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)

基于用户评分和用户属性的协同过滤混合推荐算法实现

一、基于用户评分的协同过滤推荐算法

实现步骤:

1、构建用户-电影评分矩阵(movielens数据集),如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第1张图片

2、计算目标用户与其他用户的相似度,如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第2张图片

3、获取KNN个最近邻,如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第3张图片

4、计算推荐结果,如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第4张图片

二、基于用户评分的协同过滤推荐算法

实现步骤:

1、构建用户-性别矩阵(movielens数据集),用户属性可以是多个,如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第5张图片

2、计算目标用户与其他用户的相似度,如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第6张图片

3、获取KNN个最近邻,如下图:

基于电影评分和用户属性的协同过滤混合推荐算法实现(附源代码)_第7张图片

4、获取推荐结果。查询目标用户中没有评分的,同时最近邻中有评分的电影,并付默认值。

三、加权混合推荐

    首先将两种算法的预测值*加权并相加,然后将加权后的预测值进行冒泡排序,最后根据预测值大小得到前N个推荐电影。

 

 

 

项目源代码:https://download.csdn.net/download/u011291472/11967745

 

 

你可能感兴趣的:(基于用户的协同过滤推荐算法,协同过滤混合推荐,协同过滤加权推荐,协同过滤混合加权推荐,基于用户属性的协同过滤推荐,混合协同过滤推荐算法)