推荐算法 - 皮尔逊函数

推荐算法 - 皮尔逊函数

公式：

# 数据 elt 清洗后(txt)
#  一般 user 和 item 分值化 
#  比如 用户下载，收藏，试听 某item 等等
user    items    score
.


#  结果输出 (bdb)
#  user    item1:score1,item2:score2,item3:score3.

python << EOF
import  bsddb
db  =  bsddb.hashopen( ' user-items.db ' , ' c ' )
for  row  in  open( ' user-item-sc.txt ' ):
    row = row.split( ' \n ' )[0]
    dr  =  row.split( ' : ' )
     if   not  db.has_key(dr[0]) : db[dr[0]] = dr[ 1 ] + ' : ' + dr[ 2 ]
     else  : db[dr[0]] = db[dr[0]] + ' ; ' + dr[ 1 ] + ' : ' + dr[ 2 ]

db.close()
EOF


#  结果输出 (txt)
#  user    user     score


python << EOF
import  bsddb
from  math  import   *
db  =  bsddb.hashopen( ' user-items.db ' , ' c ' )

def  ps(u1,u2):
    um1 = {}
     for  v  in  db[u1].split( ' ; ' ) :
        v = v.split( ' : ' )
        um1[v[0]] = float(v[ 1 ])
    um2 = {}
    si = []
     for  v  in  db[u2].split( ' ; ' ) :
        v = v.split( ' : ' )
        um2[v[0]] = float(v[ 1 ])
         if  um1.has_key( v[0] ) : si.append(v[0])
    n  =  len(si)

     if  n  == 0.0  : return  None
    
    sum1 = sum( [um1[it]  for  it  in  si] )
    sum2 = sum( [um2[it]  for  it  in  si] )
    
    sum1Sq = sum([ pow(um1[it], 2 )  for  it  in  si])
    sum2Sq = sum([ pow(um2[it], 2 )  for  it  in  si])
    
    pSum  =  sum( [ um1[it] * um2[it]  for  it  in  si ] )

    num  =  pSum  -  (sum1 * sum2 / n)
    den  =  sqrt( (sum1Sq - pow(sum1, 2 ) / n ) * ( sum2Sq - pow(sum2, 2 ) / n ) )
     if  den == 0.0  :  return  None
     return  num / den

fc  =  open( ' user-user-sc.txt ' , ' w ' )
for  i  in  xrange( 1 , 43381 ):
     for  j  in  xrange(i + 1 , 43381 ):
        sc  =  ps(str(i),str(j))  
         if   not  sc  ==  None:  print   >> fc,  " %s\t%s\t%s "   % (i,j,sc)      

fc.close()

EOF





#  测试使用
python << EOF
import  bsddb
db  =  bsddb.hashopen( ' user-items.db ' , ' c ' )
print  db[ ' 1 ' ]
EOF

25      30604      1.0

print  um1[ ' 468 ' ],um1[ ' 471 ' ]
2.0   1.0
(Pdb)  print  um2[ ' 468 ' ],um2[ ' 471 ' ]
2.0   1.0

如果对大家对 推荐有一些了解，数据能到 用户与用户关系(分值化) ,是能干很多事情了。
比如：
  1. 首先得到某用户相近度最高的几位活跃用户，看这几位用户在看什么，听什么 然后推荐出去

扩展：
  把初始值 反过来  item  user  score ，然后统计出 item 和 item 之间的关系 。
  当 消费某一产品 ，马上推荐出 其他的相近的产品 （時时推荐）

 



整理 www.blogjava.net/Good-Game