什么是推薦系統(tǒng)

維基百科這樣解釋道：推薦系統(tǒng)屬于資訊過(guò)濾的一種應(yīng)用。推薦系統(tǒng)能夠?qū)⒖赡苁芟埠玫馁Y訊或?qū)嵨铮ɡ纾弘娪啊㈦娨暪?jié)目、音樂(lè)、書(shū)籍、新聞、圖片、網(wǎng)頁(yè)）推薦給使用者。

本質(zhì)上是根據(jù)用戶的一些行為數(shù)據(jù)有針對(duì)性的推薦用戶更可能感興趣的內(nèi)容。比如在網(wǎng)易云音樂(lè)聽(tīng)歌，聽(tīng)得越多，它就會(huì)推薦越多符合你喜好的音樂(lè)。

推薦系統(tǒng)是如何工作的呢？有一種思路如下：

用戶 A 聽(tīng)了 收藏了 a,b,c 三首歌。用戶 B 收藏了 a, b 兩首歌，這時(shí)候推薦系統(tǒng)就把 c 推薦給用戶 B。因?yàn)樗惴ㄅ袛嘤脩?A，B 對(duì)音樂(lè)的品味有極大可能一致。

推薦算法分類

最常見(jiàn)的推薦算法分為基于內(nèi)容推薦以及協(xié)同過(guò)濾。協(xié)同過(guò)濾又可以分為基于用戶的協(xié)同過(guò)濾和基于物品的協(xié)同過(guò)濾
基于內(nèi)容推薦是直接判斷所推薦內(nèi)容本身的相關(guān)性，比如文章推薦，算法判斷某篇文章和用戶歷史閱讀文章的相關(guān)性進(jìn)行推薦。

基于用戶的協(xié)同過(guò)濾就是文章開(kāi)頭舉的例子。

基于物品的協(xié)同過(guò)濾：

假設(shè)用戶 A,B,C 都收藏了音樂(lè) a,b。然后用戶 D 收藏了音樂(lè) a,那么這時(shí)候就推薦音樂(lè) b 給他。

動(dòng)手打造自己的推薦系統(tǒng)

這一次我們要做的是一個(gè)簡(jiǎn)單的電影推薦，雖然離工業(yè)應(yīng)用還差十萬(wàn)八千里，但是非常適合新手一窺推薦系統(tǒng)的內(nèi)部原理。數(shù)據(jù)集包含兩個(gè)文件：ratings.csv 和 movies.csv。

# 載入數(shù)據(jù)
import pandas as pd
import numpy as np
df = pd.read_csv('data/ratings.csv')
df.head()

ratings.csv 包含四個(gè)維度的數(shù)據(jù)：

• userId:打分用戶的 ID
• movieId: 被打分電影的 ID
• rating: 用戶給電影的打分，處于[1，5]
• timestamp: 電影被打分的時(shí)間

要推薦電影還需要有電影的名字，電影名字保存在 movies.csv 中：

movies = pd.read_csv('data/movies.csv')
movies.head()

將 ratings.csv 和 movies.csv 的數(shù)據(jù)根據(jù) movieId 合并。

df = pd.merge(df, movie_title, on='movieId')
df.head()

我們這次要做的推薦系統(tǒng)的核心思路是：

• 根據(jù)所有用戶評(píng)分判斷所有電影與用戶 a 已觀看的某部電影 A 的相似度
• 給用戶 a 推薦相似度高且評(píng)分高的電影

所以我們要先有所有用戶對(duì)所有電影的評(píng)分的列聯(lián)表：

movie_matrix = df.pivot_table(index = 'userId', columns = 'title' ,values = 'rating')
movie_matrix.head()

假設(shè)用戶 A 觀看的電影是 air_force_one (1997)，則計(jì)算列聯(lián)表中所有電影與 air_force_one (1997) 的相關(guān)性。

AFO_user_rating = movie_matrix['Air Force One (1997)']
simliar_to_air_force_one = movie_matrix.corrwith(AFO_user_rating)

這樣我們就得到了所有電影與 air_force_one （1997）的相關(guān)性。

但是，直接對(duì)這個(gè)相關(guān)性進(jìn)行排序并推薦最相關(guān)的電影有一個(gè)及其嚴(yán)重的問(wèn)題：

ratings = pd.DataFrame(df.groupby('title')['rating'].mean())#計(jì)算電影平均得分
ratings['number_of_ratings'] = df.groupby('title')['rating'].count()
import matplotlib.pyplot as plt
%matplotlib inline
ratings['number_of_ratings'].hist(bins = 60);

上圖是電影被評(píng)分次數(shù)的直方圖，可以看到大量的電影評(píng)分次數(shù)不足10次。評(píng)分次數(shù)太少的電影很容易就被判斷為高相關(guān)性。所以我們要將這部分的評(píng)分刪掉。

corr_AFO = pd.DataFrame(similar_to_air_force_one, columns = ['Correlation'])
corr_AFO.dropna(inplace = True)
corr_contact = corr_contact.join(ratings['number_of_ratings'],how = 'left',lsuffix='_left', rsuffix='_right')
corr_AFO[corr_AFO['number_of_ratings']>100].sort_values(by = 'Correlation',ascending = False).head()

這樣我們就得到了一個(gè)與 air_force_one (1997) 高相關(guān)的電影列表。但是高相關(guān)有可能評(píng)分低（概率低），再?gòu)牧斜砝锾魩撞科骄梅指叩碾娪巴扑]就好了。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。

最新評(píng)論