基于用户的协同过滤算法(Java实现或R语言实现)

 

　　协同过滤的步骤是： 
　　创建数据模型 —> 用户相似度算法 —>用户近邻算法 —>推荐算法。 
　　基于用户的协同过滤算法在Mahout库中已经模块化了，通过4个模块进行统一的方法调用。首先，创建数据模型(DataModel)，然后定义用户的相似度算法(UserSimilarity)，接下来定义用户近邻算法(UserNeighborhood )，最后调用推荐算法(Recommender)完成计算过程。而基于物品的协同过滤算法(ItemCF)过程也是类似的，去掉第三步计算用户的近邻算法就行了。

　　软件环境：Win7 64位 + Eclipse4.4 +jdk1.6 
　　使用Java语言，借用Mahout库里的API，实现基于用户的协同过滤算法，从而进行商品推荐。 
　　1.数据集 
　　//testCF.csv　　

1,101,5.0
1,102,3.0
1,103,2.5
2,101,2.0
2,102,2.5
2,103,5.0
2,104,2.0
3,101,2.5
3,104,4.0
3,105,4.5
3,107,5.0
4,101,5.0
4,103,3.0
4,104,4.5
4,106,4.0
5,101,4.0
5,102,3.0
5,103,2.0
5,104,4.0
5,105,3.5
5,106,4.0 

 

　　该testCF.csv数据集中，第一列为用户号UserID，第二列为商品号ItemID，第三列为评分Preference Value. 
　　2.借用Java里Mahout库，实现协同过滤算法。 
　　//UserBased.java　　

package com.xie; import org.apache.mahout.cf.taste.common.TasteException; import org.apache.mahout.cf.taste.impl.common.LongPrimitiveIterator; import org.apache.mahout.cf.taste.impl.model.file.*; import org.apache.mahout.cf.taste.impl.neighborhood.*; import org.apache.mahout.cf.taste.impl.recommender.*; import org.apache.mahout.cf.taste.impl.similarity.*; import org.apache.mahout.cf.taste.model.*; import org.apache.mahout.cf.taste.recommender.*; import org.apache.mahout.cf.taste.similarity.*; import java.io.*; import java.util.*; public class UserBased { final static int NEIGHBORHOOD_NUM = 2; final static int RECOMMENDER_NUM = 3; public static void main(String[] args) throws IOException, TasteException { String file = "src/data/testCF.csv"; DataModel model = new FileDataModel(new File(file)); UserSimilarity user = new EuclideanDistanceSimilarity(model); NearestNUserNeighborhood neighbor = new NearestNUserNeighborhood(NEIGHBORHOOD_NUM, user, model); Recommender r = new GenericUserBasedRecommender(model, neighbor, user); LongPrimitiveIterator iter = model.getUserIDs(); while (iter.hasNext()) { long uid = iter.nextLong(); List<RecommendedItem> list = r.recommend(uid, RECOMMENDER_NUM); System.out.printf("uid:%s", uid); for (RecommendedItem ritem : list) { System.out.printf("(%s,%f)", ritem.getItemID(), ritem.getValue()); } System.out.println(); } } } 

 

　　效果如下： 

图(1) 协同过滤，从而进行商品推荐

　　结果说明： 
　　对于uid=1的用户，给他推荐计算得分最高的2个物品，104和106。 
　　对于uid=2的用户，给他推荐计算得分最高的1个物品，105。 
　　对于uid=3的用户，给他推荐计算得分最高的2个物品，103和102。 
　　对于uid=4的用户，给他推荐计算得分最高的1个物品，102。 
　　对于uid=5的用户，没有推荐。 
　　用Java实现协同过滤的工程代码: 
　　http://download.csdn.net/detail/sanqima/9374529 
　　 
　　方法二：用R语言实现协同过滤算法 
　　软件环境：win7 64位 + RStudio 0.99 + R3.2.3 
　　//mahout1.R　　

 

# part1 ------------------------------------------------------------------- ##加载arules包 library(arules) ##建立模型矩阵 FileDataModel <- function(file){ ##读取CSV文件到内存 data <- read.csv(file,header = FALSE) ##增加列名 names(data) <- c("uid","iid","pref") ##计算用户数 user <- unique(data$uid) ##计算产品数 item <- unique(sort(data$iid)) uidx <- match(data$uid, user) iidx <- match(data$iid, item) ##定义存储矩阵 M <- matrix(0, length(user),length(item)) i <- cbind(uidx, iidx, pref=data$pref) ##给矩阵赋值 for(n in 1:nrow(i)){ M[i[n,][1], i[n,][2]] <- i[n,][3] } dimnames(M)[[2]] <- item ##返回矩阵值 M } # part2 ------------------------------------------------------------------- ##欧式距离相似度算法 EuclideanDistanceSimilarity <- function(M){ row <- nrow(M) ##相似度矩阵 s <- matrix(0,row,row) for(z1 in 1:row){ for(z2 in 1:row){ if(z1 < z2){ ##可计算的列 num <- intersect(which(M[z1,]!=0),which(M[z2,]!=0)) sum <- 0 for(z3 in num){ sum <- sum+(M[z1,][z3] - M[z2,][z3])^2 } s[z2,z1] <- length(num)/(1+sqrt(sum)) ##对算法的阈值进行限制 if(s[z2,z1] > 1) s[z2,z1] <- 1 if(s[z2,z1] < -1) s[z2,z1] <- -1 } } } ts <- t(s) ##补全三角矩阵 w <- which(upper.tri(ts)) s[w] <- ts[w] s ##返回用户相似度矩阵 } # part3 ------------------------------------------------------------------- ##用户近邻算法 NearestNUserNeigborhood <- function(S,n){ row <- nrow(S) neighbor <- matrix(0,row,n) for(z1 in 1:row){ for(z2 in 1:n){ m <- which.max(S[,z1]) neighbor[z1,][z2] <- m S[,z1][m]=0 } } neighbor } # part4 ------------------------------------------------------------------- ##推荐算法 UserBasedRecommender <- function(uid,n,M,S,N){ row <- ncol(N) col <- ncol(M) r <- matrix(0,row,col) N1 <- N[uid,] for(z1 in 1:length(N1)){ num <- intersect(which(M[uid,]==0),which(M[N1[z1],]!=0)) for(z2 in num){ r[z1,z2] = M[N1[z1],z2]*S[uid,N1[z1]] } } ##输出推荐矩阵 sum <- colSums(r) s2 <- matrix(0,2,col) for(z1 in 1:length(N1)){ num <- intersect(which(colSums(r)!=0),which(M[N1[z1],]!=0)) for(z2 in num){ s2[1,][z2] <- s2[1,][z2]+S[uid,N1[z1]] s2[2,][z2] <- s2[2,][z2]+1 } } s2[,which(s2[2,]==1)]=10000 s2 <- s2[-2,] r2 <- matrix(0,n,2) rr <- sum/s2 item <- dimnames(M)[[2]] for(z1 in 1:n){ w <- which.max(rr) if(rr[w]>0.5){ r2[z1,1] <- item[which.max(rr)] r2[z1,2] <- as.double(rr[w]) rr[w]=0 } } r2 } # part5 ------------------------------------------------------------------- ##调用算法 setwd("G:\\myProject\\RDoc\\Unit2\\rChap2") myFile <- "testCF.csv" NeighborHodd_num <- 2 ##取两个最大近邻 Recommender_num <- 3 ##保留最多3个推荐结果 myM <- FileDataModel(myFile) myS <- EuclideanDistanceSimilarity(myM) myN <- NearestNUserNeigborhood(myS,NeighborHodd_num) ##对用户user= 1的推荐结果 R1 <- UserBasedRecommender(1, Recommender_num,myM,myS,myN); R1 ##对用户user= 2的推荐结果 R2 <- UserBasedRecommender(2, Recommender_num,myM,myS,myN); R2 ##对用户user= 3的推荐结果 R3 <- UserBasedRecommender(3, Recommender_num,myM,myS,myN); R3 ##对用户user= 4的推荐结果 R4 <- UserBasedRecommender(4, Recommender_num,myM,myS,myN); R4 ##对用户user= 5的推荐结果 R5 <- UserBasedRecommender(5, Recommender_num,myM,myS,myN); R5 

　　效果如下： 

图(2)用R语言实现协同过滤算法

转自：http://blog.csdn.net/sanqima/article/details/50389765