Python基于用户协同过滤算法的电影推荐代码demo

思路：假设已有若干用户名字及其喜欢的电影清单，现有某用户，已看过并喜欢一些电影，现在想找个新电影看看，又不知道看什么好。根据已有数据，查找与该用户爱好最相似的用户，也就是看过并喜欢的电影与该用户最接近，然后从那个用户喜欢的电影中选取一个当前用户还没看过的电影，进行推荐。

本文主要演示Python内置函数以及内置字典与集合的用法。

from random import randrange

# 其他用户喜欢看的电影清单
data = {'user'+str(i):\
        {'film'+str(randrange(1, 10))\
         for j in range(randrange(15))}\
        for i in range(10)}

# 待测用户曾经看过并感觉不错的电影
user = {'film1', 'film2', 'film3'}

# 查找与待测用户最相似的用户和Ta喜欢看的电影
similarUser, films = max(data.items(),\
                         key=lambda item:\
                         len(item[1]&user))

print('历史数据：')
for u, f in data.items():
    print(u, f, sep=':')
print('和您最相似的用户是：', similarUser)
print('Ta最喜欢看的电影是：', films)
print('Ta看过的电影中您还没看过的有：', films-user)

某次运行结果：

历史数据：

user0:{'film9', 'film1'}

user1:{'film4', 'film2', 'film5', 'film9', 'film8', 'film1', 'film6'}

user2:{'film2', 'film5', 'film3', 'film7', 'film8', 'film1', 'film6'}

user3:{'film1', 'film3', 'film6', 'film2'}

user4:{'film4', 'film9', 'film3', 'film8', 'film1', 'film6'}

user5:{'film1', 'film7'}

user6:{'film4', 'film2', 'film5', 'film3', 'film7', 'film8', 'film1', 'film6'}

user7:{'film4', 'film2', 'film5', 'film9', 'film8', 'film1', 'film6'}

user8:{'film5', 'film9', 'film8'}

user9:{'film4', 'film5', 'film3', 'film7', 'film8', 'film1', 'film6'}

和您最相似的用户是： user2

Ta最喜欢看的电影是： {'film2', 'film5', 'film3', 'film7', 'film8', 'film1', 'film6'}

Ta看过的电影中您还没看过的有： {'film5', 'film6', 'film7', 'film8'}