利用python实现电影推荐

“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。

其实基本的思想很简单：

首先读入数据，形成用户-电影矩阵，如图所示：矩阵中的数据为用户（横坐标）对特定电影（纵坐标）的评分。

其次根据用户-电影矩阵计算不同电影之间的相关系数（一般用person相关系数），形成电影-电影相关度矩阵。

其次根据电影-电影相关度矩阵，以及用户已有的评分，通过加权平均计算用户未评分电影的预估评分。例如用户对A电影评3分、B电影评4分、C电影未评分，而C电影与A电影、B电影的相关度分别为0.3和0.8，则C电影的预估评分为(0.3*3+0.8*4)/(0.3+0.8)。

最后对于每一位用户，提取其未评分的电影并按预估评分值倒序排列，提取前n位的电影作为推荐电影。

以下为程序源代码，大块的注释还是比较详细的，便于理解各个模块的作用。此外，程序用到了pandas和numpy库，实现起来会比较简洁，因为许多功能如计算相关系数、排序等功能在这些库中已有实现，直接拿来用即可。

import pandas as pdimport numpy as np#read the datadata={'Lisa Rose': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.5, 'Just My Luck': 3.0, 'Superman Returns': 3.5, 'You, Me and Dupree': 2.5},'Gene Seymour': {'Lady in the Water': 3.0, 'Snakes on a Plane': 3.5,  'Just My Luck': 1.5, 'The Night Listener': 3.0}, 'Michael Phillips': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.0, 'Superman Returns': 3.5, 'The Night Listener': 4.0},'Claudia Puig': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0, 'The Night Listener': 4.5, 'You, Me and Dupree': 2.5},'Mick LaSalle': {'Just My Luck': 2.0, 'Lady in the Water': 3.0,'Superman Returns': 3.0, 'The Night Listener': 3.0, 'You, Me and Dupree': 2.0}, 'Jack Matthews': {'Snakes on a Plane': 4.0, 'The Night Listener': 3.0, 'Superman Returns': 5.0, 'You, Me and Dupree': 3.5},'Toby': {'Snakes on a Plane':4.5,'You, Me and Dupree':1.0,'Superman Returns':4.0}}#clean&transform the datadata = pd.DataFrame(data)#0 represents not been rateddata = data.fillna(0)#each column represents a moviemdata = data.T#calculate the simularity of different movies, normalize the data into [0,1]np.set_printoptions(3)mcors = np.corrcoef(mdata, rowvar=0)mcors = 0.5+mcors*0.5mcors = pd.DataFrame(mcors, columns=mdata.columns, index=mdata.columns)#calculate the score of every item of every user#matrix:the user-movie matrix#mcors:the movie-movie correlation matrix#item:the movie id#user:the user id#score:score of movie for the specific user def cal_score(matrix,mcors,item,user):    totscore = 0    totsims = 0    score = 0    if pd.isnull(matrix[item][user]) or matrix[item][user]==0:        for mitem in matrix.columns:            if matrix[mitem][user]==0:                continue            else:                totscore += matrix[mitem][user]*mcors[item][mitem]                totsims += mcors[item][mitem]        score = totscore/totsims    else:        score = matrix[item][user]    return score#calculate the socre matrix#matrix:the user-movie matrix#mcors:the movie-movie correlation matrix#score_matrix:score matrix of movie for different users def cal_matscore(matrix,mcors):    score_matrix = np.zeros(matrix.shape)    score_matrix = pd.DataFrame(score_matrix, columns=matrix.columns, index=matrix.index)    for mitem in score_matrix.columns:        for muser in score_matrix.index:            score_matrix[mitem][muser]  = cal_score(matrix,mcors,mitem,muser)    return score_matrix#give recommendations: depending on the score matrix#matrix:the user-movie matrix#score_matrix:score matrix of movie for different users #user:the user id#n:the number of recommendationsdef recommend(matrix,score_matrix,user,n):    user_ratings = matrix.ix[user]    not_rated_item = user_ratings[user_ratings==0]    recom_items = {}    #recom_items={'a':1,'b':7,'c':3}    for item in not_rated_item.index:        recom_items[item] = score_matrix[item][user]    recom_items = pd.Series(recom_items)    recom_items = recom_items.sort_values(ascending=False)    return recom_items[:n]  #mainscore_matrix = cal_matscore(mdata,mcors)for i in range(10):    user = input(str(i)+' please input the name of user:')    print recommend(mdata,score_matrix,user,2)