基于用户的协同过滤算法数据集及代码实现

这是我参考网上资料后自己写的基于用户的协同过滤算法，包括算法所用到的数据集及相关代码，基于Python实现，代码包含详细解释。

# -*- coding=utf-8 -*-
import math
import sys
from texttable import Texttable

#pearson相关系数计算相似余弦距离
def calCosDist（user1user2）: #user1user2表示[（电影id1评分）…]
    x=0.0
    y=0.0
    avg_x=0.0
    avg_y=0.0
    sum_xy=0.0
    sum_x=0.0
    sum_y=0.0
    for i in user1:
        x+=i[1]
    avg_x=x/len（user1）
    for j in user2:
        y+=j[1]
    avg_y=y/len（user2）

    for m in user1:
        for n in user2:
            if m[0]==n[0]: #与特定用户相同的电影才进行评分加权
                sum_xy+=（m[1]-avg_x）*（n[1]-avg_y）
                sum_y+=（n[1]-avg_y）*（n[1]-avg_y）
        sum_x+=（m[1]-avg_x）*（m[1]-avg_x）
    xx_yy=math.sqrt（sum_x*sum_y）
    return sum_xy/xx_yy

#读取文件
def readFile（fileData）:
    data=[]
    rates=[]
    f=open（fileData“r“）
    data=f.readlines（）
    f.close（）
    for line in data:
        dataLine=line.split（“\t“）
        rates.append（[int（dataLine[0]）int（dataLine[1]）int（dataLine[2]）]）
    return rates

#创建字典，生成用户评分的数据结构
#   输入：数据集合，格式：用户id\t硬盘id\t用户评分
#   输出:1.用户字典：dic[用户id]=[（电影id电影评分）...]
#        2.电影字典：dic[电影id]=[用户id1用户id2...]
def createDict（rates）:
    user_dict={}
    movie_dict={}
    for i in rates:
        if i[0] in user_dict:
            user_dict[i[0]].append（（i[1]i[2]））
        else:
            user_dict[i[0]]=[（i[1]i[2]）]
        if i[1] in movie_dict:
            movie_dict[i[1]].append（i[0]）
        else:
            movie_dict[i[1]]=[i[0]]
    return user_dictmovie_dict

#找出与用户相关的所有用户并排序
def findSimilarUser（user_iduser_dictmovie_dict）:
    neighbors=[]
    neighbors_dist=[]
    for movie in user_dict[user_id]:
        for neighbor in movie_dict[movie[0]]:
            if neighbor !=user_id and neighbor not in neighbors:
                neighbors.append（neighbor） #neighbors表示与特定用户评论过相同电影的所有用户
    for neighbor in neighbors:
        dist=calCosDist（user_dict[user_id]user_dict[neighbor]）
        neighbors_dist.append（[distneighbor]）
    neighbors_dist.sort（reverse=True）
    return neighbors_dist

#   使用UserCF进行推荐
#   输入：用户ID用户字典，电影字典，邻居数量
#   输出：推荐的电影排序及相关用户
def userCF（user_iduser_dictmovie_dictK）:
    movies={}
    movie_sort=[]

    user_similar=findSimilarUser（user_iduser_dictmovie_dict）[:K]#找出与指定用户相关性最大的K个用户；user_similar=[相关性大小，用户id]
    for user in user_similar:
        for i in user_dict[user[1]]:  #将前K个用户的id逐个取出来
            if i[0] not in movies:    #第一次迭代中，i[0]表示第一个用户评论过的电影id1
                movies[i[0]]=user[0]  #movies是一个字典；第一次迭代中，表示将第一个用户与特定用户的相关性加到电影id1上，后续迭代如果有其他用户也评论了电影id1，也将其用户相关性加到电影id1上
            else:
                movies[i[0]]+=user[0] #得到K个用户所评论的所有电影的加权和。如果某部电影有5个用户评论过，则将这5个用户与特定用户的相关性相加，得到特定用户对某部电影的感兴趣程度
#对电影相关性排序
    for key in movies:  #movies是一个字典；movies={电影id1:特定用户对id1的感兴趣程度，……}
        movie_sort.append（[movies[key]key]） #movie_sort是一个列表，movie_sort=[[特定用户对id1的感兴趣程度电影id1]……]
    movie_sort.sort（reverse=True） #将特定用户对所有电影的感兴趣程度进行排序，这里的所有电影指K个用户所评论的所有电影
    return movie_sort

#获取电影列表
def 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-02-18 15:52  基于用户的协同过滤算法数据集及实现代码\
     目录           0  2017-02-18 15:52  基于用户的协同过滤算法数据集及实现代码\ml-100k\
     文件        6750  2016-01-30 04:26  基于用户的协同过滤算法数据集及实现代码\ml-100k\README
     文件         716  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\allbut.pl
     文件         643  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\mku.sh
     文件     1979173  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\u.data
     文件         202  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\u.genre
     文件          36  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\u.info
     文件      236344  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\u.item
     文件         193  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\u.occupation
     文件       22628  2000-07-20 05:09  基于用户的协同过滤算法数据集及实现代码\ml-100k\u.user
     文件     1586544  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u1.base
     文件      392629  2001-03-09 02:32  基于用户的协同过滤算法数据集及实现代码\ml-100k\u1.test
     文件     1583948  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u2.base
     文件      395225  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u2.test
     文件     1582546  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u3.base
     文件      396627  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u3.test
     文件     1581878  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u4.base
     文件      397295  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u4.test
     文件     1581776  2001-03-09 02:34  基于用户的协同过滤算法数据集及实现代码\ml-100k\u5.base
     文件      397397  2001-03-09 02:33  基于用户的协同过滤算法数据集及实现代码\ml-100k\u5.test
     文件     1792501  2001-03-09 02:34  基于用户的协同过滤算法数据集及实现代码\ml-100k\ua.base
     文件      186672  2001-03-09 02:34  基于用户的协同过滤算法数据集及实现代码\ml-100k\ua.test
     文件     1792476  2001-03-09 02:34  基于用户的协同过滤算法数据集及实现代码\ml-100k\ub.base
     文件      186697  2001-03-09 02:34  基于用户的协同过滤算法数据集及实现代码\ml-100k\ub.test
     文件        5060  2017-02-18 15:39  基于用户的协同过滤算法数据集及实现代码\userCFbyMyself.py