xingzhexiaozhu / movierecommendation Goto Github PK

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

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

请问怎么联系你？有qq？可以把数据集发给我吗？谢谢

对于不同的用户，怎样返回推荐的电影呢

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。

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。