python協(xié)同過(guò)濾程序的示例分析

小編給大家分享一下python協(xié)同過(guò)濾程序的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

具體介紹如下。

關(guān)于協(xié)同過(guò)濾的一個(gè)最經(jīng)典的例子就是看電影，有時(shí)候不知道哪一部電影是我們喜歡的或者評(píng)分比較高的，那么通常的做法就是問(wèn)問(wèn)周圍的朋友，看看最近有什么好的電影推薦。在問(wèn)的時(shí)候，都習(xí)慣于問(wèn)跟自己口味差不多的朋友，這就是協(xié)同過(guò)濾的核心思想。

這個(gè)程序完全是為了應(yīng)付大數(shù)據(jù)分析與計(jì)算的課程作業(yè)所寫的一個(gè)小程序，先上程序，一共55行。不在意細(xì)節(jié)的話，55行的程序已經(jīng)表現(xiàn)出了協(xié)同過(guò)濾的特性了。就是對(duì)每一個(gè)用戶找4個(gè)最接近的用戶，然后進(jìn)行推薦，在選擇推薦的時(shí)候是直接做的在4個(gè)用戶中選擇該用戶item沒(méi)包括的，當(dāng)然這里沒(méi)限制推薦數(shù)量，個(gè)人覺(jué)得如果要提高推薦準(zhǔn)確率的畫，起碼，1，要對(duì)流行的item進(jìn)行處理。2，將相鄰的四個(gè)用戶的item進(jìn)行排序，從多到少的進(jìn)行推薦。程序所用的數(shù)據(jù)是movielens上的（http://grouplens.org/datasets/movielens）。相似度的計(jì)算也很簡(jiǎn)單，直接用了交集和差集的比值。好吧，上程序

#coding utf-8
import os
import sys
import re

f1=open("/home/alber/data_base/bigdata/movielens_train_result.txt",'r')  #讀取train文件，已經(jīng)處理成每一行代表一位用戶的item，項(xiàng)之間用空格。
f2=open("/home/alber/data_base/bigdata/movielens_train_result3.txt",'a')
txt=f1.readlines()
contxt=[]
f1.close()
userdic={}
for line in txt:
  line_clean=" ".join(line.split())
  position=line_clean.index(",")
  ID=line_clean[0:position]
  item=line_clean[position+1:]
  userdic.setdefault(ID,item)
  if len(item)>=5:           #對(duì)觀影量少于5的用戶不計(jì)入相似性計(jì)算的范圍
    contxt.append(item)
for key in userdic.keys():        #計(jì)算每位用戶的4個(gè)最相似用戶
  ID_num=key
  value=userdic[key]
   user_item=value.split(' ')
   Sim_user=[]
   for lines in contxt:
     lines_clean=lines.split(' ')
     intersection=list(set(lines_clean).intersection(set(user_item)))
     lenth_intersection=len(intersection)
     difference=list(set(lines_clean).difference(set(user_item)))
     lenth_difference=len(difference)
     if lenth_difference!=0:                     
       Similarity=float(lenth_intersection)/lenth_difference          #交集除以差集作為相似性的判斷條件
       Sim_user.append(Similarity)
     else:
       Sim_user.append("0")
   Sim_user_copy=Sim_user[:]
   Sim_user_copy.sort()
   Sim_best=Sim_user_copy[-4:]
   position1=Sim_user.index(Sim_best[3])
   position2=Sim_user.index(Sim_best[2])
   position3=Sim_user.index(Sim_best[1])
   position4=Sim_user.index(Sim_best[0])
   if position1!=0 and position2!=0 and position3!=0 and position4!=0:
     recommender=userdic[str(position1)]+" "+userdic[str(position2)]+" "+userdic[str(position3)]+" "+userdic[str(position4)] #將4位用戶的看過(guò)的電影作為推薦 
  else:
    recommender="none"   
  reco_list=recommender.split(' ')
  recomm=[]
  for good in reco_list:
    if good not in user_item:
      recomm.append(good)
    else:
      pass
  f2.write((" ".join(recomm)+"\n"))
f2.close()

以上是“python協(xié)同過(guò)濾程序的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！