本次实例需要三个数据文件
分别为节目及其所属标签类型的01矩阵；用户--节目评分矩阵；用户收视了的节目--标签01矩阵。
可以直接下载下来使用
具体代码如下：
# -*- coding: utf-8 -*-
"""
Created on Thu Nov 1 09:33:14 2018
@author: AZ
"""
import math
import pandas as pd
import numpy as np
import os
os.chdir('E:/广电大数据营销推荐项目案例/数据清洗/电视节目信息数据预处理')
# 创建节目画像
# 参数说明：
# items_profiles = {item1:{'label1':1, 'label2': 0, 'label3': 0, ...}, item2:{...}...}
def createItemsProfiles(data_array, labels_names, items_names):
items_profiles = {}
for i in range(len(items_names)):
items_profiles[items_names[i]] = {}
for j in range(len(labels_names)):
items_profiles[items_names[i]][labels_names[j]] = data_array[i][j]
return items_profiles
# 创建用户画像
# 参数说明：
# data_array: 所有用户对于其所看过的节目的评分矩阵 data_array = [[2, 0, 0, 1.1, ...], [0, 0, 1.1, ...], ...]
# users_profiles = {user1:{'label1':1.1, 'label2': 0.5, 'label3': 0.0, ...}, user2:{...}...}
def createUsersProfiles(data_array, users_names, items_names, labels_names, items_profiles):
users_profiles = {}
# 计算每个用户对所看过的所有节目的平均隐性评分
# users_average_scores_list = [1.2, 2.2, 4.3,...]
users_average_scores_list = []
# 统计每个用户所看过的节目（不加入隐性评分信息）
# items_users_saw = {user1:[item1, item3, item5], user2:[...],...}
items_users_saw = {}
# 统计每个用户所看过的节目及评分
# items_users_saw_scores = {user1:[[item1, 1.1], [item2, 4.1]], user2:...}
items_users_saw_scores = {}
for i in range(len(users_names)):
items_users_saw_scores[users_names[i]] = []
items_users_saw[users_names[i]] = []
count = 0
sum = 0.0
for j in range(len(items_names)):
# 用户对该节目隐性评分为正，表示真正看过该节目
if data_array[i][j] > 0:
items_users_saw[users_names[i]].append(items_names[j])
items_users_saw_scores[users_names[i]].append([items_names[j], data_array[i][j]])
count += 1
sum += data_array[i][j]
if count == 0:
users_average_scores_list.append(0)
else:
users_average_scores_list.append(sum / count)
for i in range(len(users_names)):
users_profiles[users_names[i]] = {}
for j in range(len(labels_names)):
count = 0
score = 0.0
for item in items_users_saw_scores[users_names[i]]:
# 参数：
# 用户user1对于类型label1的隐性评分: user1_score_to_label1
# 用户user1对于其看过的含有类型label1的节目item i 的评分: score_to_item i
# 用户user1对其所看过的所有节目的平均评分: user1_average_score
# 用户user1看过的节目总数: items_count
# 公式： user1_score_to_label1 = Sigma(score_to_item i - user1_average_score)/items_count
# 该节目含有特定标签labels_names[j]
if items_profiles[item[0]][labels_names[j]] > 0:
score += (item[1] - users_average_scores_list[i])
count += 1
# 如果求出的值太小，直接置0
if abs(score) < 1e-6:
score = 0.0
if count == 0:
result = 0.0
else:
result = score / count
users_profiles[users_names[i]][labels_names[j]] = result
return (users_profiles, items_users_saw)
# 创建节目画像
# 参数说明：
# items_profiles = {item1:{'label1':1, 'label2': 0, 'label3': 0, ...}, item2:{...}...}
def createItemsProfiles(data_array, labels_names, items_names):
items_profiles = {}
for i in range(len(items_names)):
items_profiles[items_names[i]] = {}
for j in range(len(labels_names)):
items_profiles[items_names[i]][labels_names[j]] = data_array[i][j]
return items_profiles
# 计算用户画像向量与节目画像向量的距离（相似度）
# 向量相似度计算公式：
# cos(user, item) = sigma_ui/sqrt(sigma_u * sigma_i)
# 参数说明：
# user_profile: 某一用户user的画像 user = {'label1':1.1, 'label2': 0.5, 'label3': 0.0, ...}
# item: 某一节目item的画像 item = {'label1':1, 'label2': 0, 'label3': 0, ...}
# labels_names: 所有类型名
def calCosDistance(user, item, labels_names):
sigma_ui = 0.0
sigma_u = 0.0
sigma_i = 0.0
for label in labels_names:
sigma_ui += user[label] * item[label]
sigma_u += (user[label] * user[label])
sigma_i += (item[label] * item[label])
if sigma_u == 0.0 or sigma_i == 0.0: # 若分母为0，相似度为0
return 0
return sigma_ui/math.sqrt(sigma_u * sigma_i)
# 基于内容的推荐算法：
# 借助特定某个用户user的画像user_profile和备选推荐节目集的画像items_profiles，通过计算向量之间的相似度得出推荐节目集
# 参数说明：
# user_profile: 某一用户user的画像 user_profile = {'label1':1.1, 'label2': 0.5, 'label3': 0.0, ...}
# items_profiles: 备选推荐节目集的节目画像: items_profiles = {item1:{'label1':1, 'label2': 0, 'label3': 0}, item2:{...}...}
# items_names: 备选推荐节目集中的所有节目名
# labels_names: 所有类型名
# items_user_saw: 用户user看过的节目
def contentBased(user_profile, items_profiles, items_names, labels_names, items_user_saw):
# 对于用户user的推荐节目集为 recommend_items = [[节目名, 该节目画像与该用户画像的相似度], ...]
recommend_items = []
for i in range(len(items_names)):
# 从备选推荐节目集中的选择用户user没有看过的节目
if items_names[i] not in items_user_saw:
recommend_items.append([items_names[i], calCosDistance(user_profile, items_profiles[items_names[i]], labels_names)])
# 将推荐节目集按相似度降序排列
recommend_items.sort(key=lambda item: item[1], reverse=True)
return recommend_items
# 输出推荐给该用户的节目列表
# max_num:最多输出的推荐节目数
def printRecommendedItems(recommend_items_sorted, max_num):
count = 0
for item, degree in recommend_items_sorted:
print("节目名：%s， 推荐指数：%f" % (item, degree))
count += 1
if count == max_num:
break
#主程序
if __name__ == '__main__':
all_users_names = ['3','13','23']
#按指定顺序排列所有的标签
all_labels = ['剧情', '西部', '家庭', '惊悚', '动画',
'爱情', '情色', '运动', '音乐', '灾难',
'悬疑', '儿童', '短片', '历史', '动作',
'科幻', '传记', '同性', '冒险', '歌舞',
'脱口秀', '真人秀', '新闻', '恐怖', '奇幻',
'犯罪', '喜剧', '纪录片', '战争', '古装',
'武侠', '综艺' ,'电视剧', '邵氏','电影']
labels_num = len(all_labels)
# 读取用户--节目评分矩阵
df1 = pd.read_csv('./wordsbag/dataprocess/data/week/mydata/temp_user_scores_mat.csv',sep=',',encoding='gbk',header='infer',error_bad_lines=False)
(m1 , n1) = df1.shape
# 所有用户对其看过的节目的评分矩阵
data_array1 = np.array(df1.iloc[:m1+1 , 1:])
# 按照"所有用户对其看过的节目的评分矩阵"的列序排列的所有用户观看过的节目名称
items_users_saw_names1 = df1.columns[1:].tolist()
# 读取用户观看过的节目及其所属类型的01矩阵
df2 = pd.read_csv('./wordsbag/dataprocess/data/week/mydata/temp_users_movies_01mat.csv',sep=',',encoding='gbk',header='infer',error_bad_lines=False)
(m2 , n2) = df2.shape
data_array2 = np.array(df2.iloc[:m2 + 1, 1:])
# print(data_array2)
# 按照"所有用户看过的节目及所属类型的01矩阵"的列序排列的所有用户观看过的节目名称
#items_users_saw_names2 = np.array(df2.iloc[:m2 + 1, 0]).tolist() #此句语句得不到节目名称
items_users_saw_names2 = np.array(df2.iloc[:m2 + 1, 0]).tolist()
# 为用户看过的节目建立节目画像
items_users_saw_profiles = createItemsProfiles(data_array2, all_labels, items_users_saw_names2)
# 建立用户画像users_profiles和用户看过的节目集items_users_saw
(users_profiles, items_users_saw) = createUsersProfiles(data_array1, all_users_names, items_users_saw_names1, all_labels, items_users_saw_profiles)
# 读取备选节目及其所属类型的01矩阵
df3 = pd.read_csv('./wordsbag/dataprocess/data/week/mydata/temp_movies_01mat.csv',sep=',',encoding='gbk',header='infer',error_bad_lines=False)
(m3 , n3) = df3.shape
data_array3 = np.array(df3.iloc[:m3+1, 1:])
# 按照"备选推荐节目集及所属类型01矩阵"的列序排列的所有用户观看过的节目名称
items_to_be_recommended_names = np.array(df3.iloc[:m3 + 1, 0]).tolist()
# 为备选推荐节目集建立节目画像
items_to_be_recommended_profiles = createItemsProfiles(data_array3, all_labels, items_to_be_recommended_names)
#开始推荐
for user in all_users_names:
print("给用户id为 %s 的推荐节目如下：" % user)
recommend_items = contentBased(users_profiles[user], items_to_be_recommended_profiles, items_to_be_recommended_names, all_labels, items_users_saw[user])
printRecommendedItems(recommend_items, 5)
print('该用户推荐任务完成。')
print( )运行结果如下：
给用户id为 3 的推荐节目如下：
节目名：父母爱情， 推荐指数：0.215453
节目名：奔跑吧， 推荐指数：0.171533
节目名：一站到底， 推荐指数：0.171533
节目名：平民英雄， 推荐指数：0.171533
节目名：向往的生活， 推荐指数：0.171533
该用户推荐任务完成。
给用户id为 13 的推荐节目如下：
节目名：奔跑吧兄弟， 推荐指数：0.630852
节目名：逃学英雄传， 推荐指数：0.630852
节目名：非诚勿扰， 推荐指数：0.565759
节目名：生财有道， 推荐指数：0.472502
节目名：家庭幽默录像， 推荐指数：0.446079
该用户推荐任务完成。
给用户id为 23 的推荐节目如下：
节目名：档案， 推荐指数：0.327783
节目名：欢乐颂， 推荐指数：0.293158
节目名：温暖的弦， 推荐指数：0.293158
节目名：繁星四月， 推荐指数：0.293158
节目名：人间至味是清欢， 推荐指数：0.293158
该用户推荐任务完成。该实例的实现要在前几天文章的前提下进行，原始数据文件的格式很重要。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
