slope one 推荐算法python 代码_推荐系统SlopeOne算法的Python实现，数据基于MovieLens...

数据从

数据训练集下载地址

下载，我选的是1MB版本的数据，大约10W+评分，9K+电影，600+用户。

使用ratings.csv，格式为userId，movieId，评分，时间戳。

步骤：

1、解析CSV文件，构建训练集。

2、计算两两物品分差平均值。

3、预测指定用户未评分物品的评分，推荐TopN。

SlopeOne算法理解起来简单，实现起来也简单，按照论文的描述，推荐结果也很不错。

当然有个不是问题的问题，因为要计算两两物品的分差的平均值，所以这一段比较耗时间。

#!/usr/bin/python3

import math

import csv

import datetime

import heapq

import json

from tqdm import tqdm

def buildTarin():

"""

处理数据集，

users=用户ID:{物品ID,评分}

items=物品ID:{用户ID,评分}

itemUsers=物品ID:[用户ID集]

userItems=用户ID:[物品ID集]

allItems=所有物品ID集

"""

startTime = datetime.datetime.now()

users = dict()

items = dict()

itemUsers = dict()

userItems = dict()

allItems = set()

with open('ratings.csv') as f:

f_csv = csv.reader(f)

for row in f_csv:

userId=int(ro