推薦系統：通過surprise近鄰查找相似使用者和相似項目

實作結果：

1、找到和使用者A相似的N個使用者

2、找到和項目A相似的N個項目

資料下載下傳（1 MB）：

https://grouplens.org/datasets/movielens/ 資料格式：data/ratings.csv

userId,movieId,rating,timestamp
1,1,4.0,964982703
1,3,4.0,964981247
1,6,4.0,964982224
1,47,5.0,964983815
1,50,5.0,964982931
1,70,3.0,964982400
1,101,5.0,964980868
...      

簡單檢視資料數量

# -*- coding: utf-8 -*-

import pandas as pd

file_path = 'data/ratings.csv'

data_frame = pd.read_csv(file_path)

print(len(data_frame.groupby("userId")))
print(len(data_frame.groupby("movieId")))

# 610  9724      

查找相似使用者 和 相似項目

# -*- coding: utf-8 -*-

from surprise import KNNBasic, Dataset, Reader

# 資料讀取
file_path = 'data/ratings.csv'
reader = Reader(line_format='user item rating timestamp', sep=',', skip_lines=1)
data = Dataset.load_from_file(file_path, reader=reader)
train_set = data.build_full_trainset()

# 訓練模型：基于使用者相似度
user_knn_basic = KNNBasic(k=10, min_k=3, sim_options={'user_based': True})
user_knn_basic.fit(train_set)


def get_similar_users(top_k, user_id):
    """
    找到相似使用者
    Args:
        top_k(int): 相似使用者數量
        user_id(str): 使用者id

    Returns:
        list generator
    """
    user_inner_id = user_knn_basic.trainset.to_inner_uid(user_id)
    user_neighbors = user_knn_basic.get_neighbors(user_inner_id, k=top_k)
    user_neighbor_ids = (user_knn_basic.trainset.to_raw_uid(inner_id) for inner_id in user_neighbors)
    return user_neighbor_ids


print(list(get_similar_users(5, '610')))
# ['429', '508', '545', '53', '463']


# 訓練模型：基于項目相似度
item_algo = KNNBasic(k=10, min_k=3, sim_options={'user_based': False})
# sim_options={'name': 'cosine','user_based': True} cosine/msd/pearson/pearson_baseline
item_algo.fit(train_set)


def get_similar_items(top_k, item_id):
    """
    相似項目
    Args:
        top_k(int): 相似項目數量
        item_id(str): 項目id

    Returns:
        list generator
    """
    item_inner_id = item_algo.trainset.to_inner_iid(item_id)
    item_neighbors = item_algo.get_neighbors(item_inner_id, k=top_k)
    item_neighbor_ids = (item_algo.trainset.to_raw_iid(inner_id) for inner_id in item_neighbors)
    return item_neighbor_ids


print(list(get_similar_items(5, '761')))
# ['423', '1009', '1804', '2099', '2899']
      

通過找到的相似使用者計算他們的相似度

# -*- coding: utf-8 -*-

import pandas as pd

file_path = 'data/ratings.csv'

data_frame = pd.read_csv(file_path)

def get_user_movie(user_id):
    return data_frame[data_frame.userId == user_id].movieId.tolist()


user_movies = get_user_movie(610)
set_movies = set(movies)

similar_user_ids = [429, 508, 545, 53, 463]

for similar_user_id in similar_user_ids:
    movies = get_user_movie(similar_user_id)
    set_user_movies = set(user_movies)
    
    similar_score = len((set_user_movies & set_movies)) / len((set_user_movies | set_movies))
    print("{:.2f}".format(similar_score), end="\t")
    # 0.00  0.00    0.00    0.00    0.01      

相似度很低…

參考

3分鐘學會使用Python推薦系統庫Surprise