java实现item-cf_基于物品的协同过滤算法ItemCF算法实现

#-*- coding=utf-8 -*-

from operator importitemgetterfrom texttable importTexttablefrom collections importdefaultdictimportmath#读取文件

defreadFile(fileData):

data=[]

rates=[]

f=open(fileData,"r")

data=f.readlines()

f.close()for line indata:

dataLine=line.split("\t")

rates.append([int(dataLine[0]),int(dataLine[1]),int(dataLine[2])])returnrates#创建字典，生成用户评分的数据结构#输入：数据集合，格式：用户id\t硬盘id\t用户评分#输出:1.用户字典：dic[用户id]=[(电影id,电影评分)...]#2.电影字典：dic[电影id]=[用户id1,用户id2...]

defcreateDict(rates):

user_dict={}

movie_dict={}for i inrates:if i[0] inuser_dict:

user_dict[i[0]].append((i[1],i[2]))else:

user_dict[i[0]]=[(i[1],i[2])]if i[1] inmovie_dict:

movie_dict[i[1]].append(i[0])else:

movie_dict[i[1]]=[i[0]]returnuser_dict,movie_dict#建立物品倒排表,计算物品相似度

defitemCF(user_dict):

N=dict()

C=defaultdict(defaultdict)

W=defaultdict(defaultdict)for key inuser_dict:for i inuser_dict[key]:if i[0] not in N.keys(): #i[0]表示movie_id

N[i[0]]=0

N[i[0]]+=1 #N[i[0]]表示评论过某电影的用户数

for j inuser_dict[key]:if i==j:continue

if j not inC[i[0]].keys():

C[i[0]][j[0]]=0

C[i[0]][j[0]]+=1 #C[i[0]][j[0]]表示电影两两之间的相似度，eg：同时评论过电影1和电影2的用户数

for i,related_item inC.items():for j,cij inrelated_item.items():

W[i][j]=cij/math.sqrt(N[i]*N[j])returnW#结合用户喜好对物品排序

defrecommondation(user_id,user_dict,K):

rank=defaultdict(int)

l=list()

W=itemCF(user_dict)for i,score in user_dict[user_id]: #i为特定用户的电影id，score为其相应评分

for j,wj in sorted(W[i].items(),key=itemgetter(1),reverse=True)[0:K]: #sorted()的返回值为list,list的元素为元组

if j inuser_dict[user_id]:continuerank[j]+=score*wj #先找出用户评论过的电影集合，对每一部电影id，假设其中一部电影id1,找出与该电影最相似的K部电影，计算出在id1下用户对每部电影的兴趣度，接着迭代整个用户评论过的电影集合，求加权和，再排序，可推荐出前n部电影，我这里取10部。

l=sorted(rank.items(),key=itemgetter(1),reverse=True)[0:10]returnl#获取电影列表

defgetMovieList(item):

items={}

f=open(item,"r",encoding = 'ISO-8859-1')

movie_content=f.readlines()

f.close()for movie inmovie_content:

movieLine=movie.split("|")

items[int(movieLine[0])]=movieLine[1:]#print(items)

returnitems#主程序

if __name__=='__main__':

itemTemp=getMovieList("D:/movieRecommend/ml-100k/u.item") #获取电影列表

fileTemp=readFile("D:/movieRecommend/ml-100k/u.data") #读取文件

user_dic,movie_dic=createDict(fileTemp) #创建字典

user_id=66movieTemp=recommondation(user_id,user_dic,80) #对电影排序

rows=[]

table=Texttable() #创建表格并显示

table.set_deco(Texttable.HEADER)

table.set_cols_dtype(['t','f','a'])

table.set_cols_align(["l","l","l"])

rows.append(["user name","recommondation_movie","from userid"])for i inmovieTemp:

rows.append([user_id,itemTemp[i[0]][0],""])

table.add_rows(rows)print("推荐结果如下：")print(table.draw())