JackFeng's Blog

“协同过滤”是推荐系统中的常用技术，按照分析维度的不同可实现“基于用户”和“基于产品”的推荐。 以下是利用python实现电影推荐的具体方法，其中数据集源于《集体编程智慧》一书，后续的编程实现则完全是自己实现的（原书中的实现比较支离、难懂）。 这里我采用的是“基于产品”的推荐方法，因为一般情况下，产品的种类往往较少，而用户的数量往往非常多，“基于产品”的推荐程序可以很好的减小计算量。

使用numpy库，可以实现person相关系数的计算，例如对于矩阵a。 使用np.corrcoef(a)可计算行与行之间的相关系数，np.corrcoef(a,rowvar=0)用于计算各列之间的相关系数，输出为相关系数矩阵。

利用矩阵计算方式重写评分矩阵的计算程序，运行速度大大提升。重写后的程序包含cal_matscore()和recommend()两个方法，分别用来计算评分矩阵和进行推荐。