- recommendation.py 协同过滤算法基础版,《集体智慧编程》书籍第二章协同过滤
- 相似度计算:欧几里得距离、皮尔逊距离
- topMatches(prefs,person,n=5,similarity=sim_pearson),做基于人/商品的相似度排序,取top N
- getRecommendations(prefs, person, similarity=sim_pearson),做基于人的推荐,CF原理可见 P15 页表格
- transformPrefs(prefs),把critics数据进行转化一下
- calculateSimilarItems(prefs, n=10),离线计算出物品相似度表
- getRecommendedItems(prefs, itemMatch, user),实现基于商品的推荐,原理可见 P24 页表格
- loadMovieLens(path='E:/MovieLens/ml-latest-small/ml-latest-small'),导入movielens数据,做电影推荐
- 主页推荐、图书相关推荐
- 将关系型数据库——>图数据库,构建网络
- 定义规则,进行图查询,py2neo连接
- https://surprise.readthedocs.io/en/stable/getting_started.html
- 只要准备好数据,简单操作,就可实现多种协同过滤