item Collaborative Filtering

算法步骤：

1.计算物品相似度

2.根据用户购买记录，推荐相似物品

 

物品相似度定义：

A.

   购买i的人里面，有多少比例购买了j

   缺点（推荐系统需要能挖掘长尾信息，此处若j很热门，则w趋向于很大，则买了i的人都会被推荐j，热门商品更加热门）

 

B.

   在A的基础上，加入了对热门物品j的惩罚

 

C.

   活跃用户的贡献度应该要低（例子：一个在当当上买书的人，是一个自己开书店的人）

 

相似度归一化：可提高准确率、召回率、覆盖率、新颖度

--分析：

  假设用户喜欢看两类电影（科幻片，爱情片），而科幻片的相似度普遍比爱情片要低，

  此时用户看了3部爱情片和3部科幻片，经过计算给用户推荐的大部分会是爱情片（应该是爱情和科幻差不多），

  此时通过归一化，可以提高推荐的覆盖率和多样性

 

推荐：

用户u对物品j的兴趣程度，N(u)为用户u购买历史，S(j,K)为和物品j最相似的K个物品

--计算：

   1.获取用户u购买历史，nu

   2.遍历nu，获取和购买过物品i 最相似的K个物品，计算其加上物品i贡献的相似度

 

实现：

import pandas as pd
from sklearn import cross_validation
import math

class ItemCF():
    def __init__(self,data,k):
        self.train=data
        self.k=k
        self.ui=self.user_item(self.train)
        self.iu = self.item_user(self.train)
        self.itemSimilarityMatrix()
    '''
          获取每个商品对应的用户（购买过该商品的用户）列表，如
          {商品A:[用户1，用户2，用户3],
                              商品B:[用户3，用户4，用户5]...}
    '''
    def item_user(self,data):
        iu = dict()
        groups = data.groupby([1])
        for item,group in groups:
            iu[item]=set(group.ix[:,0])

        return iu

    '''
          获取每个用户对应的商品（用户购买过的商品）列表，如
          {用户1:[商品A:评分，商品B:评分，商品C:评分],
                              用户2:[商品D:评分，商品E:评分，商品F:评分]...}
    '''
    def user_item(self,data):
        ui = dict()
        groups = data.groupby([0])
        for item,group in groups:
            ui[item]=dict()
            for i in range(group.shape[0]):
                ui[item][group.iget_value(i,1)]=group.iget_value(i,2)

        return ui

    def itemSimilarityMatrix(self):
        matrix = dict()
        for u,ps in self.ui.items():
            denominator = 1.0/math.log(1+len(ps));
            for p1 in ps.keys():
                for p2 in ps.keys():
                    if p1==p2:
                        continue
                    if p1 not in matrix:
                        matrix[p1]=dict()
                    if p2 not in matrix[p1]:
                        matrix[p1][p2]=0

                    matrix[p1][p2] += denominator/math.sqrt(len(self.iu[p1])*len(self.iu[p2]))

        for p in matrix.keys():
            #对每个商品i,将其他商品j按其与i的相似度从大大小排序
            matrix[p] = sorted(matrix[p].items(),lambda x,y:cmp(x[1],y[1]),reverse=True);
            #归一化
            matrix[p] = [(x[0],x[1]/matrix[p][0][1]) for x in matrix[p]]
        self.M=matrix
    '''
            对用户user进行推荐
    '''
    def getRecommend(self,user):
        rank = dict()
        uItem=self.ui[user]#获取用户购买历史
        for uproduct,urank in uItem.items():
            uproduct_simi = self.M[uproduct][0:self.k]
            for p_simi in uproduct_simi:
                p = p_simi[0]
                simi = p_simi[1]
                if p in uItem:
                    continue
                if p not in rank:
                    rank[p]=0
                rank[p]+=urank*simi
        return rank

    def estimate(self,test):
        ui_test=self.user_item(test)
        unions = 0
        sumRec = 0
        sumTes = 0

        itemrec = set() 

        sumPopularity = 0
        for user in self.ui.keys():
            rank=self.getRecommend(user);
            itemtest = set()
            if user in ui_test:
                itemtest = set(ui_test[user].keys())
            sumRec += len(rank)
            sumTes += len(itemtest)
            for recItem in rank:
                sumPopularity += math.log(1+len(self.iu[recItem]))
                itemrec.add(recItem)
                if recItem in itemtest:
                    unions += 1;
        return unions*1.0/sumRec,unions*1.0/sumTes,len(itemrec)*1.0/len(self.iu.keys()),sumPopularity*1.0/sumRec