xingzhexiaozhu / movierecommendation

UserCF和ItemCF协同过滤推荐算法的实现

MovieRecommendation

基于Python3，实现电影推荐系统，数据集是MovieLens官方数据集【见data.txt】

基于用户的协同过滤算法UserCF，UserCF的**见博客：http://blog.csdn.net/u012050154/article/details/52268057
基于项目的协同过滤算法ItemCF

关于推荐系统的介绍见博客：http://blog.csdn.net/u012050154/article/details/52267712

movierecommendation's Issues

请问如何返回推荐呢？

对于不同的用户，怎样返回推荐的电影呢

很好的协同过滤入门学习算法，但是有几个问题和错误

首先计算相似度并没有用用户-电影矩阵，而是用的用户共现矩阵，即看过相同电影的用户值为1，没有看过相同电影的用户值不是0而是根本不存在，这就导致evaluate（）函数里如果for i， user in self.testSet.items()，会出现需要计算的用户在相似度矩阵里根本不存在的问题，会返回字典值错误 keyError，错误值就是想要计算却不存在的那个用户id。因此，在构建共现矩阵（co-rated matrix）的时候，如果u == v， 不应该直接continue，而是应该设为0值。

第二个问题就是这个协同过滤的计算准确率很低，用共现矩阵相当于根本没考虑电影的任何属性，只考虑了电影名，随便换个数据集就会出问题，我换了一个图书馆的图书数据集测试，推荐的准确率低的离谱。

你好，想请问一下ItemCF的w是什么呢，是权重吗，又是怎么计算的呢？

关于一些问题

你好！非常感谢你的代码。但是我认为你的代码中有一些错误。
第一，在recommend（）函数中，rank[movie] += wuv这一句有问题，缺少用户对电影的评分。
第二，在计算指标时（以准确率为例），不能根据测试用户是否观看过所推荐的电影作为分子，造成指标偏低。

数据集有吗？

请问怎么联系你？有qq？可以把数据集发给我吗？谢谢

你好，请问这是否没有用到rating（电影评分）这个数据

ValueError: not enough values to unpack (expected 4, got 1)

训练集、测试集划分方式

由于数据格式是
用户，电影，评分，时间
itemCF代码中划分测试集，训练集的方式
会让同一个用户的行为被分割到不同数据集中
可能影响整个过程，麻烦看一下

UserCF evaluate（）

for i, user, in enumerate(self.trainSet): 是否应该是改成for i, user, in enumerate(self.testSet):