一、概念
用户协同过滤并不总是合适的。
用户协同过滤的缺陷
（1）拓展性：用户协同过滤的计算量会随着用户数目的增长而增长。在几千用户时效果还好，但是有上百万用户时拓展性就成了一个问题。
（2）稀疏性：大部分推荐系统中，用户和商品都很多，但是用户评级的平均商品数目较少。所以使用用户协同过滤有可能找不到最近邻居。
为了解决用户协同过滤的缺陷，于是又有了物品协同过滤（ItemCF）。ItemCF 的原理是，为用户推荐那些和他之前喜欢的物品相似的物品。例如，算法可能会因为用户买过《推荐系统实践》而为用户推荐《推荐系统》。
可以抽象为user->item->item, 推荐与其喜欢的item相似的item，简称item-based
对比user-based和item-based
user-based更多的考虑相同爱好的用户兴趣，推荐这些用户喜欢/访问过的item，和用户当前的行为关系不大，更多的是用户的这些朋友访问过什么，属于圈子的社会化行为，推荐的item是相同爱好用户最喜欢的item，所以具备热点效应，也就是推荐圈子用户访问最多的；同时也可以将圈子用户刚刚访问item推荐出来，具备很强的实时性，尤其是新引入的热点，可以很快的扩散，也能解决new-item的冷启动问题。
item-based 主要考虑用户历史兴趣，推荐与用户历史喜欢item相似的item，和用户的当前行为有很大的关系，推荐的item与用户当前click的相似性，用户是可以理解的，也就是所谓的可解释性很强，推荐的item也不是热门的，很有可能是冷门(长尾)，但是和用户的兴趣相关，要求用户在这个网站上的兴趣是长久和固定的，推荐的意义在于帮助用户找到和其兴趣相关的item。
二、实现物品协同过滤
1、执行步骤
step 1：建立物品-物品共现矩阵
step 2：计算物品间相似度
step 3：针对目标用户u，对其浏览过的物品找到其最相似的K个物品，产生N个推荐
2、代码实现
采用GroupLens提供的MovieLens数据集 ，包含6000多用户对4000多部电影的100万条评分。该数据集是一个评分数据集，用户可以给电影评1-5分5个不同的等级。
本文着重研究隐反馈数据集中TopN推荐问题，因此忽略了数据集中的评分记录。也就是说，TopN推荐的任务是预测用户会不会对某电影评分，而不是预测用户在准备对某部电影评分的前提下会给电影评多少分。
# coding=utf-8
'''
物品协同过滤推荐
'''
import random
import math
from operator import itemgetter
#========================================================
# 核心算法
#========================================================
class itemBasedCF():
def __init__(self):
'''
初始化相关参数
'''
# 每个物品查找相似个数
self.n_sim_item = 10
# 推荐数量
self.n_rec_item = 10
# 训练用的数据集
self.dataSet = {}
# 物品相似度矩阵
self.item_sim_matrix = {} # 使用典中典模拟矩阵
print('配置:推荐数 = %d' % self.n_rec_item)
def load_file(self, filename):
'''
读文件，返回文件的每一行
INPUT -> 文件名
'''
with open(filename, 'r') as f:
for i, line in enumerate(f):
if i == 0: # 去掉文件第一行的title
continue
yield line.strip('\r\n')
print('Load %s success!' % filename)
def get_dataset(self, filename):
'''
读文件得到评分数据
INPUT -> 文件名
'''
dataSet_len = 0
for line in self.load_file(filename):
user, item, rating, timestamp = line.split('::')
self.dataSet.setdefault(user, {})
# 键中键：形如{'1': {'1287': '2.0', '1953': '4.0', '2105': '4.0'}, '2': {'10': '4.0', '62': '3.0'}}
# 用户1看了id为1287的电影，打分2.0
self.dataSet[user][item] = rating
dataSet_len += 1
print('样本量 = %s' % dataSet_len)
def itemSimilarity(self):
'''
计算物品间相似度
'''
print("STEP1:构建item-item共现矩阵...")
# item-item共现矩阵C_matrix
C_matrix = dict()
# 物品被多少个不同用户购买
item_hot = dict()
for user, items in self.dataSet.items():
for i in items.keys():
item_hot.setdefault(i, 0)
item_hot[i] += 1
C_matrix.setdefault(i, {})
for j in items.keys():
if i == j:
continue
C_matrix[i].setdefault(j, 0)
weight = 1
# 根据热门程度加权
# weight = 1 / math.log2(1+len(items))
C_matrix[i][j] += weight
print("item-item共现矩阵构建完成! ")
print('STEP2:计算物品间相似度 ...')
for i, related_items in C_matrix.items():
for j, count in related_items.items(): # count表示物品与物品共现次数
# 计算物品间相似度
self.item_sim_matrix[i][j] = count / math.sqrt(item_hot[i] * item_hot[j])
print('物品间相似度计算完成!')
def recommend(self, user):
'''
针对目标用户，产生N个推荐
INPUT -> 待推荐用户
'''
K = self.n_sim_item
N = self.n_rec_item
rank = {}
watched_items = self.dataSet[user]
for i, interest in watched_items.items():
for j, sim in sorted(self.item_sim_matrix[i].items, key=itemgetter(1), reverse=True)[0:K]:
if j in watched_items:
continue
rank.setdefault(j, 0)
rank[j] += float(interest) * float(sim)
return sorted(rank.items(), key=itemgetter(1), reverse=True)[0:N] # 返回最可能感兴趣的N个
#========================================================
# 主程序
#========================================================
if __name__ == '__main__':
rating_file = 'ratings3.csv'
# 初始化
itemCF = itemBasedCF()
# 读取评分文件
itemCF.get_dataset(rating_file)
# 构建物品相似度矩阵
itemCF.itemSimilarity()
网友评论