不到40行代碼用Python實現(xiàn)一個簡單的推薦系統(tǒng)

什么是推薦系統(tǒng)

維基百科這樣解釋道：推薦系統(tǒng)屬于資訊過濾的一種應用。推薦系統(tǒng)能夠將可能受喜好的資訊或實物（例如：電影、電視節(jié)目、音樂、書籍、新聞、圖片、網(wǎng)頁）推薦給使用者。

本質(zhì)上是根據(jù)用戶的一些行為數(shù)據(jù)有針對性的推薦用戶更可能感興趣的內(nèi)容。比如在網(wǎng)易云音樂聽歌，聽得越多，它就會推薦越多符合你喜好的音樂。

推薦系統(tǒng)是如何工作的呢？有一種思路如下：

用戶 A 聽了 收藏了 a,b,c 三首歌。用戶 B 收藏了 a, b 兩首歌，這時候推薦系統(tǒng)就把 c 推薦給用戶 B。因為算法判斷用戶 A，B 對音樂的品味有極大可能一致。

推薦算法分類

最常見的推薦算法分為基于內(nèi)容推薦以及協(xié)同過濾。協(xié)同過濾又可以分為基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾
基于內(nèi)容推薦是直接判斷所推薦內(nèi)容本身的相關性，比如文章推薦，算法判斷某篇文章和用戶歷史閱讀文章的相關性進行推薦。

基于用戶的協(xié)同過濾就是文章開頭舉的例子。

基于物品的協(xié)同過濾：

假設用戶 A,B,C 都收藏了音樂 a,b。然后用戶 D 收藏了音樂 a,那么這時候就推薦音樂 b 給他。

動手打造自己的推薦系統(tǒng)

這一次我們要做的是一個簡單的電影推薦，雖然離工業(yè)應用還差十萬八千里，但是非常適合新手一窺推薦系統(tǒng)的內(nèi)部原理。數(shù)據(jù)集包含兩個文件：ratings.csv 和 movies.csv。

# 載入數(shù)據(jù)
import pandas as pd
import numpy as np
df = pd.read_csv('data/ratings.csv')
df.head()

ratings.csv 包含四個維度的數(shù)據(jù)：

• userId:打分用戶的 ID
• movieId: 被打分電影的 ID
• rating: 用戶給電影的打分，處于[1，5]
• timestamp: 電影被打分的時間

要推薦電影還需要有電影的名字，電影名字保存在 movies.csv 中：

movies = pd.read_csv('data/movies.csv')
movies.head()

將 ratings.csv 和 movies.csv 的數(shù)據(jù)根據(jù) movieId 合并。

df = pd.merge(df, movie_title, on='movieId')
df.head()

我們這次要做的推薦系統(tǒng)的核心思路是：

• 根據(jù)所有用戶評分判斷所有電影與用戶 a 已觀看的某部電影 A 的相似度
• 給用戶 a 推薦相似度高且評分高的電影

所以我們要先有所有用戶對所有電影的評分的列聯(lián)表：

movie_matrix = df.pivot_table(index = 'userId', columns = 'title' ,values = 'rating')
movie_matrix.head()

假設用戶 A 觀看的電影是 air_force_one (1997)，則計算列聯(lián)表中所有電影與 air_force_one (1997) 的相關性。

AFO_user_rating = movie_matrix['Air Force One (1997)']
simliar_to_air_force_one = movie_matrix.corrwith(AFO_user_rating)

這樣我們就得到了所有電影與 air_force_one （1997）的相關性。

但是，直接對這個相關性進行排序并推薦最相關的電影有一個及其嚴重的問題：

ratings = pd.DataFrame(df.groupby('title')['rating'].mean())#計算電影平均得分
ratings['number_of_ratings'] = df.groupby('title')['rating'].count()
import matplotlib.pyplot as plt
%matplotlib inline
ratings['number_of_ratings'].hist(bins = 60);

上圖是電影被評分次數(shù)的直方圖，可以看到大量的電影評分次數(shù)不足10次。評分次數(shù)太少的電影很容易就被判斷為高相關性。所以我們要將這部分的評分刪掉。

corr_AFO = pd.DataFrame(similar_to_air_force_one, columns = ['Correlation'])
corr_AFO.dropna(inplace = True)
corr_contact = corr_contact.join(ratings['number_of_ratings'],how = 'left',lsuffix='_left', rsuffix='_right')
corr_AFO[corr_AFO['number_of_ratings']>100].sort_values(by = 'Correlation',ascending = False).head()

這樣我們就得到了一個與 air_force_one (1997) 高相關的電影列表。但是高相關有可能評分低（概率低），再從列表里挑幾部平均得分高的電影推薦就好了。

總結

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。