基於Python庫surprise的電影推薦系統

阿新 • • 發佈：2019-01-10

# -*- coding:utf-8 -*- from __future__ import (absolute_import, division, print_function, unicode_literals) import os import io from surprise import KNNBaseline from surprise import Dataset import logging logging.basicConfig(level=logging.INFO, format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s'

, datefmt='%a, %d %b %Y %H:%M:%S') # 訓練推薦模型步驟:1 def getSimModle(): # 預設載入movielens資料集 data = Dataset.load_builtin('ml-100k') trainset = data.build_full_trainset() #使用pearson_baseline方式計算相似度 False以item為基準計算相似度本例為電影之間的相似度 sim_options = {'name': 'pearson_baseline', 'user_based'

: False} ##使用KNNBaseline演算法 algo = KNNBaseline(sim_options=sim_options) #訓練模型 algo.train(trainset) return algo # 獲取id到name的互相對映步驟:2 def read_item_names(): """ 獲取電影名到電影id 和電影id到電影名的對映 """ file_name = (os.path.expanduser('~') + '/.surprise_data/ml-100k/ml-100k/u.item'

) rid_to_name = {} name_to_rid = {} with io.open(file_name, 'r', encoding='ISO-8859-1') as f: for line in f: line = line.split('|') rid_to_name[line[0]] = line[1] name_to_rid[line[1]] = line[0] return rid_to_name, name_to_rid # 基於之前訓練的模型進行相關電影的推薦步驟：3 def showSimilarMovies(algo, rid_to_name, name_to_rid): # 獲得電影Toy Story (1995)的raw_id toy_story_raw_id = name_to_rid['Toy Story (1995)'] logging.debug('raw_id=' + toy_story_raw_id) #把電影的raw_id轉換為模型的內部id toy_story_inner_id = algo.trainset.to_inner_iid(toy_story_raw_id) logging.debug('inner_id=' + str(toy_story_inner_id)) #通過模型獲取推薦電影這裡設定的是10部 toy_story_neighbors = algo.get_neighbors(toy_story_inner_id, 10) logging.debug('neighbors_ids=' + str(toy_story_neighbors)) #模型內部id轉換為實際電影id neighbors_raw_ids = [algo.trainset.to_raw_iid(inner_id) for inner_id in toy_story_neighbors] #通過電影id列表或得電影推薦列表 neighbors_movies = [rid_to_name[raw_id] for raw_id in neighbors_raw_ids] print('The 10 nearest neighbors of Toy Story are:') for movie in neighbors_movies: print(movie) if __name__ == '__main__': # 獲取id到name的互相對映 rid_to_name, name_to_rid = read_item_names() # 訓練推薦模型 algo = getSimModle() ##顯示相關電影 showSimilarMovies(algo, rid_to_name, name_to_rid)

基於Python庫surprise的電影推薦系統

基於Python庫surprise的電影推薦系統

基於Spark平臺的電影推薦系統實現

基於Apache Mahout的電影推薦系統

KNN機器學習演算法—python的surprise庫電影推薦系統爬坑筆記

Python基於機器學習方法實現的電影推薦系統

python資料分析：基於協同過濾的電影推薦演算法

基於Mahout的電影推薦系統

基於Spark的電影推薦系統（電影網站）

基於Spark的電影推薦系統（實戰簡介）

基於Spark MLlib平臺和基於模型的協同過濾演算法的電影推薦系統（一）協同過濾演算法概述&&基於模型的協同過濾的演算法思想（演算法模型和結構待補充）

基於使用者的協同過濾演算法的電影推薦系統

基於Mahout的電影推薦系統（MVC架構）

基於Spark的電影推薦系統

基於Spark的電影推薦系統（推薦系統~2）

一種基於python的人臉識別開源系統

基於spark做一個歌手推薦系統

Keras：基於python庫之Keras建立模型演算法來實現預測功能的詳細攻略

如何基於 Python Flask 實現角色管理系統

基於Python庫Face_Recognition動手DIY人臉識別

基於Python搭建Django後臺管理系統

基於Python庫surprise的電影推薦系統

相關推薦