集体智慧编程chapter 2提供推荐<寻找相似性的用户>

时间：2022-12-25 12:55:26
“ 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, 'Snakes on a Plane': 3.5,'Just My Luck': 1.5, 'Superman Returns': 5.0, 
'The Night Listener': 3.0, 'You, Me and Dupree': 3.5},

'Michael Phillips': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0,'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, 'The Night Listener': 3.0, 'You, Me and Dupree': 2.0},

'Jack Matthews': {'Lady in the water': 3.0, 'Snakes on a Plane': 4.0, 'The Night Listener': 3.0, 'Superman Returns': 5.0, 'You, Me and Dupree': 3.5},

'Toby': {'Snakes on a Plane': 4.5, 'You, 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)


从你得到的值，你可以知道谁的选择跟你的相似，从而你就可以在做选择的时候参考一下此人的选择

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, '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, 'Snakes on a Plane': 3.5,'Just My Luck': 1.5, 'Superman Returns': 5.0, 
'The Night Listener': 3.0, 'You, Me and Dupree': 3.5},

'Michael Phillips': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0,'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, 'The Night Listener': 3.0, 'You, Me and Dupree': 2.0},

'Jack Matthews': {'Lady in the water': 3.0, 'Snakes on a Plane': 4.0, 'The Night Listener': 3.0, 'Superman Returns': 5.0, 'You, Me and Dupree': 3.5},

'Toby': {'Snakes on a Plane': 4.5, 'You, Me and Dupree': 1.0, '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, person, 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]) ->valuereturn 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

标签：

相关文章