python实现基于物品的协同过滤算法

一、算法思想

在上篇文章中简单实现了基于用户的协同过滤算法(userCF)，该算法存在一些缺点：

1. 随着用户数量的增加，计算用户相似度矩阵的时间和空间复杂度增长接近$O(N^2)$；
2. 相比基于物品的协同过滤算法，基于用户的协同过滤算法可解释性稍弱（很难让用户相信：给用户推荐某个商品，原因是有个和该用户兴趣很相似的用户也买了这个商品。用户可能会有疑问：你凭什么说他和我的兴趣很相似）

基于物品的协同过滤算法(itemCF)的思想是给用户推荐 和用户喜欢的商品相似的商品，这就涉及到如何计算两个商品的相似度了。itemCF 中并不是利用物品本身的内容属性来计算相似度（这是基于内容的推荐），而是通过分析用户行为记录（评分、购买、点击、浏览等行为）来计算两个物品的相似度，同时喜欢物品A和物品B的用户数越多，就认为物品A和物品B越相似。下面介绍该算法的实现过程。

二、实现思路

1. 数据集
   本实现使用的数据集也是 MovieLens 提供的数据：
   
   下载地址：MovieLens数据集
   加载解压后为：
   
   我们使用 ml-latest-small 文件夹下的 ratings.csv 文件：
   
   该数据集中的数据格式为：
   

userId : 用户 ID
movieId : 用户看过的电影 ID
rating : 用户对所看电影的评分
timestap : 用户看电影的时间戳

2. 定义变量

N : 记录电影被多少用户看过，如： N[“1”] = 10 表示有10个用户看过ID 为 “1”的电影；
W : 相似矩阵，存储两个用户的相似度，如：W[“1”][“2”] = 0.66 表示ID 为 “1” 的电影和 ID 为 “2” 的电影相似度为 0.66 ；
train : 用户记录数据集中的数据， 格式为： train= { user : [[item1, rating1], [item2, rating2], …], …… }
k : 使用最相似的 k 个电影
n : 为用户推荐 n 部电影

3. 加载数据
   从数据集中读出数据，将数据以 { user : [[item1, rating1], [item2, rating2], …]，……} 的形式存入 train 中。
4. 计算物品相似矩阵
   本实现中物品相似度的计算公式为：
   $$W_{ij}=\frac{N(i)}{\sqrt{N(i)\ast N(j)}}$$