基于用户的协同过滤

#机器学习#

2014-03-26

基于用户的协同过滤，英文是user-based collaborative filter，简称User CF。下面直接尝试使用该方法做图书推荐。

判断用户之间的相似性

假定有用户user1、user2和user3，三人都读过图书book01、book02、book03、book04。三个用户对四本书的评价依次是：

使用欧几里得距离判断三个用户之间的相似性：

from math import sqrt
def get_euclidean_similarity(dot1, dot2):
    ''' 根据欧几里得距离判断相似性'''
    s = sum([pow(dot1[x] - dot2[x], 2) for x in range(len(dot1))])
    return 1.0 / (1.0 + sqrt(s))

if __name__ == '__main__':
    user1 = [2, 4.5, 4.5, 3]
    user2 = [2.5, 4.0, 4.5, 3]
    user3 = [4, 3, 3, 4]
    print get_euclidean_similarity(user1, user2)
    print get_euclidean_similarity(user1, user3)
    print get_euclidean_similarity(user2, user3)

结果如下：

可见user1和user2最为相似。

为用户推荐图书

假定user1面前有book11、book12、book13三本从未读过的书，如果user2和user3对这三本书的评分如下：

那么我们更推荐user1读那些书呢？这里可以考虑使用加权平均值（见资料[1]）来为每本书计算一个值来表示对书的推荐程度：数值是对数的评分，权重是其他用户与user1的相似度。

于是，book11的推荐值为：

( simlarity(user1,user2)*evaluate(user2,book11) + 
  simlarity(user1,user3)*evaluate(user3,book11) 
) 
/ 
( simlarity(user1,user2)+simlarity(user1,user3) ) 

book12的推荐值与上类似。 由于user3没读过book13，所以book12的推荐值如下：

( simlarity(user1,user2)*evaluate(user2,book13) ) / simlarity(user1,user2)

最终结果是：

book13的推荐值最大，所以应该向user1推荐book13。当然了，如果在实际生活中数据量很大的情况下，book13只有一个人评分，向user1推荐则是不合理的。

资料

[1] 加权平均值

( 本文完 )