SlopOne推荐算法

在开源框架taste中有SlopOne的Java实现，效果不错。使用movielens的数据，代码例如以下

代码

#coding:utf-8

import re

import math

#读取数据，并生成矩阵

def getMatrix():

	mat = {}

	f = open("u.data", "r")

	for line in f:

		list = map(int, line.strip("\n").split("\t"))

		if list[0] in mat:

			mat[ list[0] ][ list[1] ] = list[2]

		else:

			mat[ list[0] ] = { list[1] : list[2] }

	f.close()

	return mat

#计算某个用户的平均分

def getAvg(usr):

	res = 0.0

	for i in usr:

		res += usr[i]

	return res / len(usr)

#预測分数, 返回矩阵mat中用户usr对item的评分

def getSlopOne(mat, user, item):

	#用户user的全部item的列表

	list = mat[user]

	#分子

	mole = 0.0

	#分母

	demo = 0.0

	#对于每个物品。都计算它和物品item的差值，终于算出相对它item的score

	for it in list:

		diff_sum = 0.0

		user_num = 0

		for us in mat:

			us_it = mat[us]

			#假设该user同一时候评价过这两个item，则採纳他的评分

			if item in us_it and it in us_it:

				diff_sum += us_it[item] - us_it[it]

				user_num += 1

		#假设item被人评价过

		if user_num:

			diff_avg = diff_sum / user_num

			mole += (list[it] + diff_avg) * user_num

			demo += user_num

	#假设没有人评价过，则取这个人的平均分

	if user_num == 0:

		return getAvg(list)

	#否则返回终于的score

	return mole / demo

def main():

	mat = getMatrix()

	rf = open("u.data", "r")

	wf = open("o.data", "w")

	for line in rf:

		list = map(int, line.strip("\n").split("\t"))

		score = getSlopOne(mat, list[0], list[1])

		output = str(list[0]) + "\t" + str(list[1]) + "\t" + str(list[2]) + "\t" + str(score) + "\n"

		wf.write(output)

	rf.close()

	wf.close()

if __name__ == "__main__":

	main()

版权声明：本文博主原创文章，博客，未经同意不得转载。