当前位置：首页 > news >正文

关联规则延伸之协同过滤

news 来源：原创 2024/9/20 14:43:49

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

一、协同过滤
- 1、含义
- 2、策略
二、基于用户的协同过滤
- 1、寻找相似偏好的用户
- 2、欧式距离及系数
- 3、皮尔逊系数
- 4、其他系数
- 5、算法步骤
- 6、局限性
三、基于物品的协同过滤
- 1、介绍
- 2、算法步骤
- 3、优缺点
- 4、2种算法适应场景
四、电影推荐代码示例
- 1、读入数据
- 2、数据处理
- 3、查看评分分布
- 4、选取电影对用户推荐

一、协同过滤

1、含义

协同（collaborating）是群体行为，过滤（filtering）则是针对个人的行为
利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息
来源比如：实际生活中，朋友之间相互推荐自己喜欢的东西

2、策略

协同过滤通过用户和产品及用户的偏好信息产生推荐
最基本的策略有两种：
- 找到具有类似品味的人所喜欢的物品
- 从一个人喜欢的物品找类似的物品
这两种策略对应两个最知名的类别推荐技术
- 基于用户的协同过滤
- 基于物品的协同过滤

二、基于用户的协同过滤

基于用户的协同过滤（user collaborating filter，简称userCF）通过用户对不同内容（物品）的行为来评测用户之间的相似性，找到“邻居”基于这种相似性做出推荐
这种推荐的本质是给相似的用户推荐其他用户喜欢的内容

1、寻找相似偏好的用户

比如5个用户对2件商品的评分。这里的分值可能表示真实的购买，也可以是用户对商品不同行为的量化指标。例如，浏览商品次数、向朋友推荐商品、收藏、分享或评论等，都可以表示用户对商品的态度和偏好程度；
在这里插入图片描述
画出散点图后，即可看出用户分布情况，用户距离接近，，则评分较为接近；

2、欧式距离及系数

欧几里得距离：

d(a, b) = √[ Σ(xᵢ₁ - xᵢ₂)² ] (i = 1, 2, ..., n)

欧几里得系数：

d(a, b)  = 1 / ( 1+ d(a, b)  )

系数越小，表示2用户距离越近，用户偏好也接近。

3、皮尔逊系数

在这里插入图片描述

r=1：表示两个变量完全正相关。
r=−1：表示两个变量完全负相关。
r=0：表示两个变量没有线性关系。
r 的绝对值越接近 1，表示两个变量之间的线性关系越强；越接近 0，表示线性关系越弱。
极强相关：r>0.80
强相关：0.61<r≤0.80
中度相关：0.41<r≤0.60
弱相关：0.21<r≤0.40
极弱相关/无相关：r≤0.20

4、其他系数

余弦相似度系数

在这里插入图片描述

杰卡德系数

5、算法步骤

找到和目标用户兴趣相似的用户集合（计算两个用户之间的兴趣相似度）
找到这个集合中的用户所喜欢的，并且目标用户没有使用（消费）过的物品推荐给目标用户

6、局限性

首先每次计算用户直接相似度的时候，需要遍历每个用户和所有用户的评分，这样在网站用户增长到一定程度后，计算用户直接的相似度的过程将会变得越发的困难
基于用户的协同过滤算法，并不容易从数学原理的角度解释
用户口味变化快，非静态，所以兴趣迁移问题很难反应出来
数据稀疏，用户和用户之间有共同的消费行为实际上是比较少的，而且一般都是一些热门物品，对发现用户兴趣帮助也不大

三、基于物品的协同过滤

1、介绍

基于物品的协同过滤（item collaborating filter，简称item CF）算法给用户推荐那些和他们之前喜欢的物品相似的物品；
如购买该商品的用户还购买来其他商品

基于物品的协同过滤和基于用户的协同过滤原理相似，只是在计算邻居时采用物品本身，而不是从用户的角度，即基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，推荐相似的物品给用户。

2、算法步骤

计算物品之间的相似度
根据物品相似度和用户历史行为给用户生成推荐列表

3、优缺点

在这里插入图片描述

4、2种算法适应场景

在这里插入图片描述

四、电影推荐代码示例

1、读入数据

#导入相关的包
import pandas as pd
import warnings
warnings.filterwarnings("ignore")
import osfilms=pd.read_excel("./data/apriori/电影.xlsx")
films.head(3)

在这里插入图片描述

2、数据处理

#将电影数据和评分数据进行拼接
model_data=pd.merge(films,scores,on="电影编号")
model_data.head()

在这里插入图片描述

3、查看评分分布

#查看评分的分布
model_data["评分"].hist()

在这里插入图片描述

# 计算每部电影的平均分
model_data_mean=model_data.groupby("名称")["评分"].mean()# 评分高的前五部电影
film_top=pd.DataFrame(model_data_mean)
film_top.sort_values("评分",ascending=False).head()

在这里插入图片描述

# 打分人数
film_top["评分次数"]=model_data.groupby("名称")["评分"].count()
film_top.sort_values("评分次数",ascending=False).head()

在这里插入图片描述

# 合并后的数据
model_data.head(5)

在这里插入图片描述

use_item=model_data.pivot_table(index="用户编号",columns="名称",values="评分")
use_item.head()

在这里插入图片描述

4、选取电影对用户推荐

Calculate_film=use_item["沉默的羔羊（1991）"]# 空值填充0
use_item=use_item.fillna(0)#计算该目标电影和其他电影的相似程度
corr_matrix=use_item.corrwith(Calculate_film)
corr_matrix.head()

在这里插入图片描述

# 数据转换
recommend_list=pd.DataFrame(corr_matrix)recommend_list=recommend_list.rename(columns={0:"相关程度"})
recommend_list=recommend_list.sort_values("相关程度",ascending=False)
recommend_list.head()

在这里插入图片描述