读论文-基于Python的协同过滤算法的研究与应用实现

前言

今天读的论文为一篇名为《基于Python的协同过滤算法的研究与应用实现》的论文，文章是在2019年9月发表于《电脑知识与技术》的一篇期刊论文。

摘要

随着科学技术的快速发展和知识产权的日益重要，大多数用户会选择在播放平台上看电影。例如腾讯视频、爱奇艺等，用户迫切需要一个合理的电影推荐系统。本文利用Python和协同过滤算法，将个性化推荐技术与电影系统有机结合，给用户个性化的电影推荐。

基于协同过滤的推荐算法

介绍

协调过滤算法是目前最成功有效的个性化推荐算法，广泛应用与各领域中。协同过滤算法分析用户的兴趣，然后在用户群中寻找指定的用户的相似兴趣的用户，最后综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度进行预测。

协同过滤算法一般分三步实现：第一步，收集用户偏好，也就是获得用户对某些信息项的评价；第二步，找到相似的用户或物品，即分析用户之间的相似性并预测特定用户对某一信息的喜好。第三步，进行个性化电影推荐。

实现

收集用户偏好

收集用户的偏好信息是电影个性化推荐系统的推荐效果的重要影响因素，基于用户的行为和偏好发现规律来进行推荐。

寻找相似用户

利用网络爬虫获取的电影评分数据中选择5个用户对2部电影的评分来说明如何通过用户对电影的偏好寻找相似的用户。收集到的信息如下表：

相似度计算

常见的计算相似度的公式有：

1. 欧几里得距离公式

1. 皮尔逊系数

文章使用皮尔逊系数来研究相关度。下面是5个用户对5部电影的评分表：

实现

首先录入用户信息，然后计算皮尔逊相关系数，找出有对某些电影兴趣相同的用户，最后通过加权平均所有人的评价值向目标用户进行电影推荐。首先导入网络爬虫爬起到的数据。

录入用户数据

插入待推荐用户的数据

最后，加权平均所有人的评价值向目标用户进行电影推荐：

结尾

今天就到这了，明天见喽。