推荐系统--基于用户的协同过滤算法（UserCF）

推荐系统–基于用户的协同过滤算法（UserCF）

基本概念

基本思想：向用户 $u$ 推荐时，我们可以先找到和 $u$ 相似的用户集合 $N_u$，然后把这些用户喜欢的物品，但 $u$ 没有看过的物品推荐给他。

步骤：

• 找到和目标用户相似的用户集合。
• 找到这个集合中的用户喜欢的，且目标用户还没有听说过的物品，然后推荐给目标用户。

步骤1 - - 找相似用户

为了找到目标用户的相似用户，我们需要计算不同用户之间的相似度。协同过滤算法主要利用行为的相似度计算兴趣的相似度。对于用户 $u$ 和 $v$，$N_u,N_v$ 分别表示他们有交互的物品集合。我们通过 Jaccard 公式计算用户之间的相似度：
$$si{m}_{(u,v)}=\frac{|N_u\cap N_v|}{|N_u\cup N_v|}$$
同样，我们也可以利用余弦相似度、皮尔逊系数来计算用户之间的相似度。具体可见 推荐系统–协同过滤（Collaborative Filtering）

具体案例

我们以电影评分预测为例，数据集为 MovieLens-1M，有关数据集详情，可见 推荐系统–MovieLens数据集。

读取数据集

def get_data(data_path):
    # 重新定义列名
    col_names = ["user_id", "movie_id", "rating", "timestamp"]
	# 加载评分数据
    ratings = pd.read_csv(os.path.join(data_path, "ratings.dat"), sep="::", engine="python", names=col_names)
    """
    ratings 的格式为
    
		   user_id  movie_id  rating  timestamp
		0        1      1193       5  978300760
		1        1       661       3  978302109
		2        1       914       3  978301968
		3        1      3408       4  978300275
		4        1      2355       5  978824291
	"""
    # 划分训练集和测试集
    train_data, val_data, _, _ = train_test_split(ratings, ratings, test_size=0.2)
    
    # 将数据按照用户进行分组
    train_data = train_data.groupby("user_id")["movie_id"].apply(list).reset_index()
    """
	train_data 的格式为 

		 	user_id                                           movie_id
		0        1  [1097, 1566, 3114, 2797, 4