本文僅為記錄嘗試的時候遇到的坑。

資料格式：user item rating timestamp

安裝庫：

    在安裝surprise庫的時候如果用python3.X的時候會提示需要visio c++ 2014，但是筆者環境明明有visio c++2014和2015，具體好像還需要一些其他配置，並沒有去深究，後經搜尋用python2.7可以直接安裝使用：

在安裝之前首先要確認已經安裝了numpy庫。

pip install scikit-surprise

原始碼如下：

# -*- 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)
 

資料集路徑問題：

    1、第一次執行的時候總是會在read_item_names()函式中第一句提醒找不到ml-100k的資料集檔案，後經查閱os.path.expanduser(path)  的作用是：把path中包含“~”和“~user”轉換成使用者目錄。後自己去單獨下載了ml-100k資料集，並放在同級目錄下，然後將單引號中路徑換為‘/ml-100k/u.item’，還是找不到。再把os.path.expanduser('~')去掉，不通過此方式，後發現不抱錯，應該是找到了對應檔案。

    2、接下來在getSimModel()函式中，提醒需要下載ml-100k資料集，這裡好像是直接使用surprise庫中Dataset的資料集，按照提示下載即可，如果太慢的話，用藍燈開VPN進行下載。

執行：

    之後雖然會有報警告，但是已經可以正常運行了：

此處輸出就是Toy Story （1995）最相近的10部電影。

嘗試將引數換為Beauty and the Beast(1991)，輸出結果如下：

同樣Toy Story(1995)也在其中。

資料：/ml-100k/u.item內容如下

尾部的引數就是根據電影以及影評人的評分所構造的矩陣。