基于用户协同过滤usercf的python代码实现

这是关于基于用户协同过滤usercf的python代码实现，初学涉及到这方面的朋友可以下载试试，数据时基于movielen上面的，可以自己去官网下载。

#!/usr/bin/python3
# -*- coding: utf-8 -*-
from numpy import *
import time
from texttable import Texttable
import math


class CF:
    def __init__（self movies ratings k=5 n=10）:
        self.movies = movies
        self.ratings = ratings
        # 邻居个数
        self.k = k
        # 推荐个数
        self.n = n
        # 用户对电影的评分
        # 数据格式{‘UserID：用户ID‘:[（MovieID：电影IDRating：用户对电影的评星）]}
        self.userDict = {}
        # 对某电影评分的用户
        # 数据格式：{‘MovieID：电影ID‘[UserID：用户ID]}
        # {‘1‘[123..]...}
        self.ItemUser = {}
        # 邻居的信息
        self.neighbors = []
        # 推荐列表
        self.recommandList = []
        self.cost = 0.0
        #存储
        self.c ={}
        self.Item_User = {}

    # 基于用户的推荐
    # 根据对电影的评分计算用户之间的相似度
    def recommendByUser（self userId）:
        self.formatRate（）
        # 推荐个数 等于 本身评分电影个数，用户计算准确率
        self.n = len（self.userDict[userId]）
        self.getNearestNeighbor（userId）
        self.getrecommandList（userId）
        self.getPrecision（userId）

    # 第五步：获取推荐列表
    def getrecommandList（self userId）:
        # recommandList = [[neighbor movieID]]
        self.recommandList = []
        # 建立推荐字典
        # self.neighbors = [[dist i（表示neighbors）]]
        # recommandDict = {movieID:[neighbor]}
        recommandDict = {}
        for neighbor in self.neighbors:
            #movies = [movieIDRating]
            movies = self.userDict[neighbor[1]]
            for movie in movies:
                if （movie[0] in recommandDict）:
                    recommandDict[movie[0]] += neighbor[0]
                else:
                    recommandDict[movie[0]] = neighbor[0]

        # 建立推荐列表
        for key in recommandDict:
            self.recommandList.append（[recommandDict[key] key]）
        self.recommandList.sort（reverse=True）
        # 取出降序后列表前n个推荐电影数的列表
        self.recommandList = self.recommandList[:self.n]

    # 第一步：将ratings转换为userDict和ItemUser
    def formatRate（self）:
        # userDict 用户对电影的评分
        # 数据格式{‘UserID：用户ID‘:[（MovieID：电影IDRating：用户对电影的评星）]}
        self.userDict = {}
        # ItemUser 对某电影评分的用户
        # 数据格式：{‘MovieID：电影ID‘[UserID：用户ID]}
        # {‘1‘[123..]...}
        self.ItemUser = {}
        for i in self.ratings:
            # 评分最高为5 除以5 进行数据归一化
            temp = （i[1] float（i[2]） / 5）
            # 计算userDict {‘1‘:[（15）（25）...]‘2‘:[...]...}
            if （i[0] in self.userDict）:
                self.userDict[i[0]].append（temp）
            else:
                self.userDict[i[0]] = [temp]
            # 计算ItemUser {‘1‘[123..]...}
            if （i[1] in self.ItemUser）:
                self.ItemUser[i[1]].append（i[0]）
            else:
                self.ItemUser[i[1]] = [i[0]]

    # 第二步：找到某用户的相邻用户
    def getNearestNeighbor（self userId）:
        neighbors = []
        #self.neighbors = [[dist i]]
        self.neighbors = []
        # 获取userId评分的电影都有那些用户也

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-04-29 11:03  UserCF\
     文件        8959  2018-03-14 09:13  UserCF\UserCF3.py