SlopeOne推荐算法实现(C++)

最新推荐文章于 2024-05-15 07:41:18 发布

wangyuquan

最新推荐文章于 2024-05-15 07:41:18 发布

阅读量4.5k

点赞数

CC 4.0 BY-SA版权

分类专栏：算法文章标签：协同过滤算法推荐系统

本文链接：https://blog.youkuaiyun.com/wangyuquanliuli/article/details/43941289

SlopeOne算法是一种简单的协同过滤方法，基于用户对物品评分的平均差值预测未知评分。通过计算共同评价物品的用户分数差，预测用户对新物品的评分。在movielens数据集上，朴素实现的SlopeOne算法在测试集上的RMSE达到0.96，与复杂的SVD算法表现相当，证明其有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SlopeOne算法是一个非常简单的协同过滤算法，主要思想如下：如果用户u对物品j打过分，现在要对物品i打分，那么只需要计算出在同时对物品i和j打分的这种人中，他们的分数之差平均是多少，那么我们就可以根据这个分数之差来计算用户u对物品i的打分了，当然，这样的物品j也有很多个，那有的物品和j共同打分的人少，有的物品和j共同打分的人多，那么显而易见，共同打分多的那个物品在评分时所占的比重应该大一些。

如上就是简单的SlopeOne算法的主要思想，用维基百科上的一张图来表示（一看就懂）：

途中用户B要对物品J进行评分，那么这时候发现物品i被用户B打为2分，而同时发现用户A同时评价了物品i和物品j,且物品i比物品j少了0.5分，那么由此看来，用户B给物品j打得分应该就是比给物品i打的分高0.5分，故是2.5分。

由于思想是如此简单，故我们就来实践一把，当然这里就是最最朴素的实现，只是为了检测下算法效果如何。。。数据集还是如上篇博客一样，用的是movielens里面的小数据集，其中有1000用户对2000物品的评分，80%用来训练，20%用来测试。

具体代码如下：

#include <iostream>
#include <string>
#include <fstream>
#include <math.h>
using namespace std;
const int USERMAX = 1000;
const int ITEMMAX = 2000;
double rating[USERMAX][ITEMMAX];
int I[USERMAX][ITEMMAX];//indicate if the item is rated
double mean;

double predict(int u, int l)
{
	double total = 0;
	double totalCnt = 0;
	for (int i