标签：embedding 大小 前言 amp pandas 图片 形式 自己 预测
输入1：包含200部电影的数据集，集合中包含两列，一列为电影的id，一列为电影的流派集合，如下图所示：
输入2：一个用户的电影兴趣记录，like字段为1表示喜欢，0表示不喜欢，如下图所示：
输出1：输入1的One-Hot编码形式，类似下图所示：
输出2：根据输入2和输出1，从电影数据集中给用户推荐用户没有看过的与用户相似度最高的k个电影。
基于内容的推荐算法是一种比较经典的推荐算法，应用较广，可解释性强，准确率高，尤其是当今社会信息丰富，比如文本、音频等，有比较多的内容可以利用。但是对于一个一无所知的新用户而言，无法针对用户内容进行推荐，只能根据其他算法进行推荐，用户产生内容后才能很好的利用基于内容的推荐算法，这也就是冷启动问题，也是该算法的缺点。
做好一个推荐系统，分为以下3步：
上面提到的认识用户就是用户画像，用户画像是一个比较抽象的概念，推荐系统的用户画像是给机器用的。推荐系统要在用户和物品之间建立连接，一般的连接方式是对用户和物品之间的匹配进行评分，也就是预测用户的偏好，我们首先要将用户和物品都表示成向量，这样才能让机器进行计算，用户向量化后的结果就是用户画像。
那么一般情况下怎么构建用户画像呢？按照对用户向量化的手段来分，用户画像的构建方法有以下3类：
构建用户画像的关键因素有哪些呢？主要是以下两方面：
文本数据是互联网产品中常见的信息，挖掘兴趣标签主要处理的就是用户的一些操作行为产生的文本数据。
用户一端的文本数据，主要有：
物品一段的文本数据，主要有：
可以利用一些成熟的NLP算法分析物品端的文本信息提取一些关键词作为标签，常用的方法有TF-IDF等。
当我们有了物品的标签和用户的一些行为后，就可以根据这些信息给用户推荐产品，现住的问题是，到底是物品的哪些特性吸引了用户呢？一种方法是直接把用户产生过行为的物品标签累计在一起，作为用户的用户画像，计算用户与物品的相似度，给用户推荐最相似的TopN个物品。
1 import numpy as np 2 import pandas as pd 3 4 movieFile = ‘./movies.csv‘ 5 movieData = pd.read_csv(movieFile,encoding=‘gb2312‘) 6 print(‘len:{}‘.format(len(movieData))) 7 8 # 将genres转化为One-Hot编码的形式 9 genre_iter = (set(x.split(‘|‘)) for x in movieData.genres) 10 genres = sorted(set.union(*genre_iter)) 11 tmpDF = pd.DataFrame(np.zeros(((len(movieData),len(genres)))), columns=genres) 12 for i , gens in enumerate(movieData.genres): 13 tmpDF.ix[i,gens.split(‘|‘)] = 1 14 15 # 把tmpDF合并到movieData 16 movieData = movieData.join(tmpDF) 17 movieData.to_csv(‘wyb.csv‘) 18 19 # 读取样本数据 20 samplesFile = ‘./samples.csv‘ 21 samplesData = pd.read_csv(samplesFile,encoding=‘gb2312‘) 22 print(‘len:{}‘.format(len(samplesData))) 23 # 把genres得到的One-Hot编码形式的数据合并到样本中，为了后面计算用户的特征向量使用 24 samplesData = samplesData[samplesData[‘like‘] == 1] 25 mergeData = pd.merge(samplesData, movieData, on=‘movieId‘, how=‘left‘) 26 mergeData.to_csv(‘ctt.csv‘) 27 # 计算样本用户的特征向量 28 userFeatureVector = [] 29 for label in genres: 30 userFeatureVector.append(mergeData[label].sum()) 31 userFeatureVector = np.array(userFeatureVector) 32 # 在移除用户已经看过的电影，只推荐用户没有看过的 33 movieData = movieData[~movieData[‘movieId‘].isin(mergeData[‘movieId‘])] 34 # 键为电影ID，值为电影与用户的余弦相似度 35 info_recom = {} 36 for row in range(0, len(movieData)): 37 rowData = movieData.iloc[row, 2:21] 38 itemId = movieData.iloc[row, 0] 39 itemFeatureVec = np.array(rowData) 40 similarity = np.dot(itemFeatureVec, userFeatureVector)/(np.linalg.norm(itemFeatureVec) * np.linalg.norm(userFeatureVector)) 41 info_recom[itemId] = similarity 42 43 # 字典元素按值大小从大到小排序 44 result = sorted(info_recom.items(),key=lambda x:x[1], reverse=True) 45 # 推荐最相似的10部电影 46 topTen = 10 47 for index in range(0,topTen): 48 print(‘recom top[{}]:{}‘.format(index, result[index][0]))
代码运行结果
本文代码是在已知电影集标签和一个用户的兴趣记录的情况下，给一个用户推荐的相似度前10的电影。推荐的电影id为：
1 recom top[0]:4 2 recom top[1]:11 3 recom top[2]:45 4 recom top[3]:52 5 recom top[4]:58 6 recom top[5]:94 7 recom top[6]:195 8 recom top[7]:224 9 recom top[8]:232 10 recom top[9]:72
标签：embedding 大小 前言 amp pandas 图片 形式 自己 预测
原文地址：https://www.cnblogs.com/wyb-mingtian/p/12315380.html
