集体智慧编程chapter 2提供推荐<寻找相似性的用户>
发布时间:2020-12-14 02:38:18 所属栏目:大数据 来源:网络整理
导读:“ 协作型过滤 ”:对一大群人进行搜索,并从中找出一们口味相近的一小群人 主要介绍了两种方法: 欧几里德距离 原理? :这是一种比较简单的计算相似度的方法,它们经过人们一对待评价的物品为坐标轴,然后将参与评价的人绘制到图上,并考查他们彼此间的距离
“
协作型过滤
”:对一大群人进行搜索,并从中找出一们口味相近的一小群人
主要介绍了两种方法:
欧几里德距离
原理?:这是一种比较简单的计算相似度的方法,它们经过人们一对待评价的物品为坐标轴,然后将参与评价的人绘制到图上,并考查他们彼此间的距离远近。
sum = 相同item的差值的平方之和
total = 1 / (1 + sum)
使用一个0-1之间的值去评价相似度,返回1则表示两人具有一样的偏好
缺点:
此评价方法,会因为一个人的评价始终比另一个人的更为“严格“(从而导致评价始终相对偏低),而得出两都不相近的结论,即使他们的口味很相似也是如此。(当然,还是需要根据具体的应用场景) critics = {'Lisa Rose': {'Lady in the Water': 2.5,'Snakes on a Plane': 3.5,'Just My Luck': 3.0,'Superman Returns': 3.5,'You,Me and Dupree': 2.5,'The Night Listener': 3.0},'Gene Seymour': {'Lady in the Water': 3.0,'Just My Luck': 1.5,'Superman Returns': 5.0,'The Night Listener': 3.0,Me and Dupree': 3.5},'Michael Phillips': {'Snakes on a Plane': 3.5,'The Night Listener': 4.5,'Superman Returns': 4.0,'you,Me and Dupree': 2.5},'Mick LaSalle': {'Lady in the water': 3.0,'Snakes on a Plane': 4.0,'Just My Luck': 2.0,'Superman Returns': 3.0,Me and Dupree': 2.0},'Jack Matthews': {'Lady in the water': 3.0,'Toby': {'Snakes on a Plane': 4.5,Me and Dupree': 1.0,'Superman Returns': 4.0} } from math import sqrt #Returns a distance-based similarity score for person1 and person2 def sim_distance(prefs,person1,person2): #Get the list of shared_items si = {} for item in prefs[person1]: if item in prefs[person2]: si[item] = 1 #if they have no ratings in common,return 0 if len(si) == 0: return 0 #Add up the squares of all the differences sum_of_squares = sum([pow(prefs[person1][item] - prefs[person2][item],2) for item in prefs[person1] if item in prefs[person2]]) return 1 / (1 + sum_of_squares)
皮乐逊相关度:
这是一种判断两组数据与某一直线拟合程度的一种度量,
优点:修正了”夸大分值“的情况,比如A给物品打分比较苛刻,一般分数都比较低,而B给物品打分则比较宽松,分数都比较高。manhattan距离和欧几里得距离这两张评价方法,会因为一个人的评评价始终比另一个人的更为“严格”(从而导致评价始终相对偏低),而得出两者不相近的结论,即使他们的品味很相似也是如此。
critics = {'Lisa Rose': {'Lady in the Water': 2.5,'Superman Returns': 4.0} } from math import sqrt #return the pearson correlation coefficient for p1 and p2 def sim_pearson(prefs,p1,p2): #得到双方都曾评价过的物品列表 si = {} for item in prefs[p1]: if item in prefs[p2]: si[item] = 1 #得到列表元素的个数 n = len(si) #如果两者没有共同之处,返回0 if n == 0: return 0 #对所有的偏好求和 sum1 = sum([prefs[p1][it] for it in si]) sum2 = sum([prefs[p2][it] for it in si]) #对所有的偏好求平方和 sum1Sq = sum([pow(prefs[p1][it],2) for it in si]) sum2Sq = sum([pow(prefs[p2][it],2) for it in si]) #求乘积和 psum = sum([prefs[p1][it] * prefs[p2][it] for it in si]) #计算皮尔逊评价值 num = psum -(sum2 * sum1 / n) den = sqrt((sum1Sq - pow(sum1,2) / n) * (sum2Sq - pow(sum2,2)/ n)) if den == 0: return 0 r = num / den return r #从反眏偏好的字典中返回最为匹配者 #返回结果的个数和相似度函数均为可选参数 def topMatches(prefs,person,n = 5,similarity = sim_pearson): scores = [(similarity(prefs,other),other) for other in prefs if other!= person] #对列表进行排序,评价值最高者排在最前面 (先从小到大排序,再反转,这样就可以把大的放置在前面) scores.sort() scores.reverse() return scores[0:n]
相关的python学习知识
sum函数的使用
Definition:sum(sequence[,start])
Type:Function of_builtin_module
sum(sequence[,start]) ->value
return the sum of a sequence of numbers(not strings) plus the value of parameter 'start'(which defaults to 0).when the sequence is empty,return start
这是官方文档的解释,对一个数列的元素求和,并返回一个值。不过,好像本节中的用法对于一个初学都来说,文档的解释也没太大的用。此处的用法是:
sum1Sq = sum([pow(prefs[p1][it],2) for it in si])?
[pow(prefs[p1][it],2) for it in si],产生一个sequence,对si这个List中的元素所对应的健值进行平方,组成一个新的 sequence,然后sum函数对这个sequence求和
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |