經典算法題每日演練——第六題 協同推薦SlopeOne 算法

 

 

          相信大家對如下的Category都很熟悉，很多網站都有類似如下的功能，“商品推薦”,"猜你喜歡“，在實體店中我們有導購來為我們服務，在網絡上

我們需要同樣的一種替代物，如果簡簡單單的在數據庫里面去撈，去比較，幾乎是完成不了的,這時我們就需要一種協同推薦算法，來高效的推薦瀏覽者喜

歡的商品。

一：概念

     SlopeOne的思想很簡單，就是用均值化的思想來掩蓋個體的打分差異，舉個例子說明一下：

在這個圖中，系統該如何計算“王五“對”電冰箱“的打分值呢？剛才我們也說了，slopeone是采用均值化的思想,也就是：R_王五 =4-{[(5-10)+(4-5)]/2}=7 。

下面我們看看多於兩項的商品，如何計算打分值。

r_b = (n * (r_a - R(_A->B)) + m * (r_c - R(_C->B)))/(m+n)

注意： a,b,c 代表“商品”。

         r_a 代表“商品的打分值”。

        r_a->b  代表“A組到B組的平均差（均值化）”。

       m,n 代表人數。

根據公式，我們來算一下。

r_王五 = (2 * (4 - R(洗衣機->彩電)) + 2 * (10 - R(電冰箱->彩電))+ 2 * (5 - R(空調->彩電)))/(2+2+2)=6.8

是的，slopeOne就是這么簡單，實戰效果非常不錯。

 

二：實現

1：定義一個評分類Rating。

    /// <summary>
    /// 評分實體類
    /// </summary>
    public class Rating
    {
        /// <summary>
        /// 記錄差值
        /// </summary>
        public float Value { get; set; }

        /// <summary>
        /// 記錄評分人數，方便公式中的 m 和 n 的值
        /// </summary>
        public int Freq { get; set; }

        /// <summary>
        /// 記錄打分用戶的ID
        /// </summary>
        public HashSet<int> hash_user = new HashSet<int>();

        /// <summary>
        /// 平均值
        /// </summary>
        public float AverageValue
        {
            get { return Value / Freq; }
        }
    }

2： 定義一個產品類

    /// <summary>
    /// 產品類
    /// </summary>
    public class Product
    {
        public int ProductID { get; set; }

        public string ProductName { get; set; }

        /// <summary>
        /// 對產品的打分
        /// </summary>
        public float Score { get; set; }
    }

3：SlopeOne類

     參考了網絡上的例子，將二維矩陣做成線性表，有效的降低了空間復雜度。

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

namespace SupportCenter.Test
{
    #region Slope One 算法
    /// <summary>
    /// Slope One 算法
    /// </summary>
    public class SlopeOne
    {
        /// <summary>
        /// 評分系統
        /// </summary>
        public static Dictionary<int, Product> dicRatingSystem = new Dictionary<int, Product>();

        public Dictionary<string, Rating> dic_Martix = new Dictionary<string, Rating>();

        public HashSet<int> hash_items = new HashSet<int>();

        #region 接收一個用戶的打分記錄
        /// <summary>
        /// 接收一個用戶的打分記錄
        /// </summary>
        /// <param name="userRatings"></param>
        public void AddUserRatings(IDictionary<int, List<Product>> userRatings)
        {
            foreach (var user1 in userRatings)
            {
                //遍歷所有的Item
                foreach (var item1 in user1.Value)
                {
                    //該產品的編號（具有唯一性）
                    int item1Id = item1.ProductID;

                    //該項目的評分
                    float item1Rating = item1.Score;

                    //將產品編號字存放在hash表中
                    hash_items.Add(item1.ProductID);

                    foreach (var user2 in userRatings)
                    {
                        //再次遍歷item，用於計算倆倆 Item 之間的差值
                        foreach (var item2 in user2.Value)
                        {
                            //過濾掉同名的項目
                            if (item2.ProductID <= item1Id)
                                continue;

                            //該產品的名字
                            int item2Id = item2.ProductID;

                            //該項目的評分
                            float item2Rating = item2.Score;

                            Rating ratingDiff;

                            //用表的形式構建矩陣
                            var key = Tools.GetKey(item1Id, item2Id);

                            //將倆倆 Item 的差值 存放到 Rating 中
                            if (dic_Martix.Keys.Contains(key))
                                ratingDiff = dic_Martix[key];
                            else
                            {
                                ratingDiff = new Rating();
                                dic_Martix[key] = ratingDiff;
                            }

                            //方便以后以后userrating的編輯操作，（add)
                            if (!ratingDiff.hash_user.Contains(user1.Key))
                            {
                                //value保存差值
                                ratingDiff.Value += item1Rating - item2Rating;

                                //說明計算過一次
                                ratingDiff.Freq += 1;
                            }

                            //記錄操作人的ID，方便以后再次添加評分
                            ratingDiff.hash_user.Add(user1.Key);
                        }
                    }
                }
            }
        }
        #endregion

        #region 根據矩陣的值，預測出該Rating中的值
        /// <summary>
        /// 根據矩陣的值，預測出該Rating中的值
        /// </summary>
        /// <param name="userRatings"></param>
        /// <returns></returns>
        public IDictionary<int, float> Predict(List<Product> userRatings)
        {
            Dictionary<int, float> predictions = new Dictionary<int, float>();

            var productIDs = userRatings.Select(i => i.ProductID).ToList();

            //循環遍歷_Items中所有的Items
            foreach (var itemId in this.hash_items)
            {
                //過濾掉不需要計算的產品編號
                if (productIDs.Contains(itemId))
                    continue;

                Rating itemRating = new Rating();

                // 內層遍歷userRatings
                foreach (var userRating in userRatings)
                {
                    if (userRating.ProductID == itemId)
                        continue;

                    int inputItemId = userRating.ProductID;

                    //獲取該key對應項目的兩組AVG的值
                    var key = Tools.GetKey(itemId, inputItemId);

                    if (dic_Martix.Keys.Contains(key))
                    {
                        Rating diff = dic_Martix[key];

                        //關鍵點：運用公式求解（這邊為了節省空間，對角線兩側的值呈現奇函數的特性）
                        itemRating.Value += diff.Freq * (userRating.Score + diff.AverageValue * ((itemId < inputItemId) ? 1 : -1));

                        //關鍵點：運用公式求解 累計每兩組的人數
                        itemRating.Freq += diff.Freq;
                    }
                }

                predictions.Add(itemId, itemRating.AverageValue);
            }

            return predictions;
        }
        #endregion
    }
    #endregion

    #region 工具類
    /// <summary>
    /// 工具類
    /// </summary>
    public class Tools
    {
        public static string GetKey(int Item1Id, int Item2Id)
        {
            return (Item1Id < Item2Id) ? Item1Id + "->" + Item2Id : Item2Id + "->" + Item1Id;
        }
    }
    #endregion
}

 

4: 測試類Program

    這里我們灌入了userid=1000，2000，3000的這三個人，然后我們預測userID=3000這個人對 “彩電” 的打分會是多少？

    public class Program
    {
        static void Main(string[] args)
        {
            SlopeOne test = new SlopeOne();

            Dictionary<int, List<Product>> userRating = new Dictionary<int, List<Product>>();

            //第一位用戶
            List<Product> list = new List<Product>()
            {
                new Product(){ ProductID=1, ProductName="洗衣機",Score=5},
                new Product(){ ProductID=2, ProductName="電冰箱", Score=10},
                new Product(){ ProductID=3, ProductName="彩電", Score=10},
                new Product(){ ProductID=4, ProductName="空調", Score=5},
            };

            userRating.Add(1000, list);

            test.AddUserRatings(userRating);

            userRating.Clear();
            userRating.Add(1000, list);

            test.AddUserRatings(userRating);

            //第二位用戶
            list = new List<Product>()
            {
                new Product(){ ProductID=1, ProductName="洗衣機",Score=4},
                new Product(){ ProductID=2, ProductName="電冰箱", Score=5},
                new Product(){ ProductID=3, ProductName="彩電", Score=4},
                 new Product(){ ProductID=4, ProductName="空調", Score=10},
            };

            userRating.Clear();
            userRating.Add(2000, list);

            test.AddUserRatings(userRating);

            //第三位用戶
            list = new List<Product>()
            {
                new Product(){ ProductID=1, ProductName="洗衣機", Score=4},
                new Product(){ ProductID=2, ProductName="電冰箱", Score=10},
                new Product(){ ProductID=4, ProductName="空調", Score=5},
            };

            userRating.Clear();
            userRating.Add(3000, list);

            test.AddUserRatings(userRating);

            //那么我們預測userID=3000這個人對 “彩電” 的打分會是多少？
            var userID = userRating.Keys.FirstOrDefault();
            var result = userRating[userID];

            var predictions = test.Predict(result);

            foreach (var rating in predictions)
                Console.WriteLine("ProductID= " + rating.Key + " Rating: " + rating.Value);
        }
    }