首页 / 算法 / Python简单电影推荐算法（根据用户看过的电影名和对其打分进行推荐）

Python简单电影推荐算法（根据用户看过的电影名和对其打分进行推荐）

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python简单电影推荐算法（根据用户看过的电影名和对其打分进行推荐），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4914字，纯文字阅读大概需要8分钟。

内容图文

def max_score(film):
    return data[user2][film]
def score_different(use, fil):
    score = 0
    for filmName in fil:
        # sum = abs(data[use][filmName]-user[filmName])
        # if(sum!=0):
        #     score += 3*1/(abs(data[use][filmName] - user[filmName])**2)
        # else:
        #     score+=0;
        score += (abs(data[use][filmName] - user[filmName]))**2
    return score
data = {'user' + str(i): {'film' + str(randrange(1, 15)): randrange(1, 6) for j in range(randrange(3, 10))}
        for i in range(1, 20)}
print("各个用户的电影打分情况：",data)
user = {'film' + str(randrange(1, 15)): randrange(1, 6) for j in range(randrange(3, 10))}
print("用户本人的电影打分情况：",user)
film_len = 0
user2 = ""
Film_Score = 0
user_score =  dict()
for key, value in data.items():
    film = set(value) & set(user)
    #推荐电影的各用户推荐度分数算法：看过的相同电影数*2+（每部3*1/（看过的相同电影的评分差的平方））
    # 例如我： 1：5 2：5
    # user2：  1：8 2：8
    # 课上讲的评分标准为：2*0.5+3*1/(3**2+3**2)
    # 而我的标准为：2*0.5+(3*1/(3**2)+3*1/(3**2))
    Film_Score = score_different(key, film)
    if Film_Score !=0:
        user_score[key] = 3*1/Film_Score+len(film)*0.5
    else:
        user_score[key] = len(film)*0.5+5
    # if len(film) == film_len:
    #     if score_different(key, film) < Film_Score:
    #         film_len = len(film)
    #         user2 = key
    #         Film_Score = score_different(key, film)
    # if len(film) > film_len:
    #     film_len = len(film)
    #     user2 = key
    #     Film_Score = score_different(key, film)
print("输出用户的推荐度分数")
print(user_score)
print("与用户本人最相似的用户：")
user3 = max(zip(user_score.values(),user_score.keys()))
print(max(zip(user_score.values(),user_score.keys())))
# print(user2, data[user2])
print(user3[1],data[user3[1]])
print("为用户推荐电影：")
# print(max(set(data[user2]) - set(user), key=max_score))
# print(max(set(data[user3[1]])-set(user)))
# print(set(data[user3[1]])-set(user))
# max_value = max(set(data[user3[1]])-set(user))
# for i,j in set(data[user3[1]])-set(user):
# user4 = data[user3[1]][1]
# print(user3)
# print(user3[1])
uuu = dict(data[user3[1]])
# print(uuu)  # print(max(uuu))
maxvalue = max(uuu.values())
r_commend_film = []
for m,n in uuu.items():
    if n==maxvalue and m not in user:
        r_commend_film.append(m)
print(r_commend_film)
def max_score(film):
    return data[user2][film]
def score_different(use, fil):
    score = 0
    for filmName in fil:
        # sum = abs(data[use][filmName]-user[filmName])
        # if(sum!=0):
        #     score += 3*1/(abs(data[use][filmName] - user[filmName])**2)
        # else:
        #     score+=0;
        score += (abs(data[use][filmName] - user[filmName]))**2
    return score
data = {'user' + str(i): {'film' + str(randrange(1, 15)): randrange(1, 6) for j in range(randrange(3, 10))}
        for i in range(1, 20)}
print("各个用户的电影打分情况：",data)
user = {'film' + str(randrange(1, 15)): randrange(1, 6) for j in range(randrange(3, 10))}
print("用户本人的电影打分情况：",user)
film_len = 0
user2 = ""
Film_Score = 0
user_score =  dict()
for key, value in data.items():
    film = set(value) & set(user)
    #推荐电影的各用户推荐度分数算法：看过的相同电影数*2+（每部3*1/（看过的相同电影的评分差的平方））
    # 例如我： 1：5 2：5
    # user2：  1：8 2：8
    # 课上讲的评分标准为：2*0.5+3*1/(3**2+3**2)
    # 而我的标准为：2*0.5+(3*1/(3**2)+3*1/(3**2))
    Film_Score = score_different(key, film)
    if Film_Score !=0:
        user_score[key] = 3*1/Film_Score+len(film)*0.5
    else:
        user_score[key] = len(film)*0.5+5
    # if len(film) == film_len:
    #     if score_different(key, film) < Film_Score:
    #         film_len = len(film)
    #         user2 = key
    #         Film_Score = score_different(key, film)
    # if len(film) > film_len:
    #     film_len = len(film)
    #     user2 = key
    #     Film_Score = score_different(key, film)
print("输出用户的推荐度分数")
print(user_score)
print("与用户本人最相似的用户：")
user3 = max(zip(user_score.values(),user_score.keys()))
print(max(zip(user_score.values(),user_score.keys())))
# print(user2, data[user2])
print(user3[1],data[user3[1]])
print("为用户推荐电影：")
# print(max(set(data[user2]) - set(user), key=max_score))
# print(max(set(data[user3[1]])-set(user)))
# print(set(data[user3[1]])-set(user))
# max_value = max(set(data[user3[1]])-set(user))
# for i,j in set(data[user3[1]])-set(user):
# user4 = data[user3[1]][1]
# print(user3)
# print(user3[1])
uuu = dict(data[user3[1]])
# print(uuu)  # print(max(uuu))
maxvalue = max(uuu.values())
r_commend_film = []
for m,n in uuu.items():
    if n==maxvalue and m not in user:
        r_commend_film.append(m)
print(r_commend_film)

以上代码的逻辑对于推荐电影来说不是很严格，单纯的使用其他用户的电影评分数量和评分高低与本用户的数据做比对，并对每个用户计算其推荐指数：

例如： 我看了 {film1:打分5,film2:打分8}。而user1也看了这两部电影，这时user1的推荐指数的计算就涉及到两个标准：

（1）看过相同的电影数量：比如每部+1分，存入新定义的字典中，字典格式 key:value：{用户:分数}

（2）相同电影的打分情况：各部电影分数方差的倒数（要考虑到完全相同，方差为0的情况）（用条件语句就可以解决）

综上，哪个用户的最终得分高，就推荐哪个用户看过的电影（而且是被推荐电影的用户没看过的电影）

以上只是python课堂的一个小作业，还待改进

内容总结

以上是互联网集市为您收集整理的Python简单电影推荐算法（根据用户看过的电影名和对其打分进行推荐）全部内容，希望文章能够帮你解决Python简单电影推荐算法（根据用户看过的电影名和对其打分进行推荐）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/622848.html

来源：【匿名】