文本挖掘：找出兴趣相投的用户并作产品推荐

Posted 2021-04-16 21CTO

21CTO导读：

Python在机器学习，推荐算法，数据抓取，大数据分析等领域，提供了很多不错的扩展模块。本文就为大家抛砖引玉，提供一个用户对电影兴趣的推荐算法，欢迎讨论。

目录：

过程：
    用爬虫抓取豆瓣电影用户信息
    用多重分类法，定义电影评价等级
    计算自己与用户的皮尔逊相关度
    以人为主体分析相似度：找出志同道合的人，可以发现潜在喜欢的商品
    以商品为主体分析相似度：找出相似的商品，可以发现潜在的客户（如亚马逊的‘买了商品A的用户还买了商品B’)

电影评价多重分类：

1. 很差
   

2. 较差

3. 还行

4. 推荐

5. 力荐

代码：

1. #-*- coding: utf-8 -*-  

2. import json  

3. import sys  

4. reload(sys)  

5. sys.setdefaultencoding( "utf-8" )  

6.   

7. user_info = {}  

8.   

9. #爬取到的数据  

10. user_dict = {  

11.              'ns2250225':[4,3,4,5,4],  

12.              'justin':[3,4,3,4,2],  

13.              'totox':[2,3,5,1,4],  

14.              'fabrice':[4,1,3,4,5],  

15.              'doreen':[3,4,2,5,3]  

16.              }  

17.   

18. #录入用户数据  

19. def user_data(user_dict):  

20.     for name in user_dict:  

21.         user_info[name] = {u'消失的爱人' : user_dict[name][0]}  

22.         user_info[name][u'霍比特人3'] = user_dict[name][1]  

23.         user_info[name][u'神去村'] = user_dict[name][2]  

24.         user_info[name][u'泰坦尼克号'] = user_dict[name][3]  

25.         user_info[name][u'这个杀手不太冷'] = user_dict[name][4]  

26.           

27.   

28. user_data(user_dict)      

29.   

30. #存放用户数据  

31. try:  

32.     with open('user_data.txt', 'w') as data:  

33.         for key in user_info:  

34.             data.write(key)  

35.             for key2 in user_info[key]:  

36.                 data.write('\t')  

37.                 data.write(key2)  

38.                 data.write('\t')  

39.                 data.write('\t')  

40.                 data.write(str(user_info[key][key2]))  

41.                 data.write('\n')  

42.             data.write('\n')  

43. except IOError as err:  

44.     print('File error: ' + str(err))  

计算皮尔逊相关系数，找出兴趣相投的用户：(插入自己的数据)

1. from math import sqrt   

2.   

3. #计算皮尔逊相关度(1为完全正相关，-1为完成负相关)  

4. def sim_pearson(prefs, p1, p2):    

5.     # Get the list of mutually rated items    

6.     si = {}    

7.     for item in prefs[p1]:    

8.         if item in prefs[p2]:    

9.             si[item] = 1    

10.     

11.     # if they are no ratings in common, return 0    

12.     if len(si) == 0:    

13.         return 0    

14.     

15.     # Sum calculations    

16.     n = len(si)    

17.     

18.     # Sums of all the preferences    

19.     sum1 = sum([prefs[p1][it] for it in si])    

20.     sum2 = sum([prefs[p2][it] for it in si])    

21.     

22.     # Sums of the squares    

23.     sum1Sq = sum([pow(prefs[p1][it], 2) for it in si])    

24.     sum2Sq = sum([pow(prefs[p2][it], 2) for it in si])    

25.     

26.     # Sum of the products    

27.     pSum = sum([prefs[p1][it] * prefs[p2][it] for it in si])    

28.     

29.     # Calculate r (Pearson score)    

30.     num = pSum - (sum1 * sum2 / n)    

31.     den = sqrt((sum1Sq - pow(sum1, 2) / n) * (sum2Sq - pow(sum2, 2) / n))  

32.   

33.     if den == 0:    

34.         return 0    

35.     r = num / den  

36.       

37.     return r  

38.   

39.   

40. #插入自己的数据  

41. user_info['me'] = {u'消失的爱人' : 5,  

42.                    u'神去村' : 3,  

43.                    u'炸裂鼓手' : 5}  

44.   

45.   

46.             

47. #找出皮尔逊相关系数>0的用户，说明该用户与自己的电影品味比较相近  

48. for user in user_info:  

49.     res = sim_pearson(user_info, 'me', user)  

50.     if res > 0:  

51.         print('the user like %s is : %s' % ('me', user))  

52.         print('result :%f\n' % res)  

向某用户推荐电影（加权平均所有人的评价）

1. #向某个用户推荐电影(加权平均所有人的评价值)  

2. def getRecommendations(prefs,person,similarity=sim_pearson):  

3.   totals={}  

4.   simSums={}  

5.   for other in prefs:  

6.     # don't compare me to myself  

7.     if other==person: continue  

8.     sim=similarity(prefs,person,other)  

9.   

10.     # ignore scores of zero or lower  

11.     if sim<=0: continue  

12.     for item in prefs[other]:  

13.           

14.       # only score movies I haven't seen yet  

15.       if item not in prefs[person] or prefs[person][item]==0:  

16.         # Similarity * Score  

17.         totals.setdefault(item,0)  

18.         totals[item]+=prefs[other][item]*sim  

19.         # Sum of similarities  

20.         simSums.setdefault(item,0)  

21.         simSums[item]+=sim  

22.   

23.   # Create the normalized list  

24.   rankings=[(total/simSums[item],item) for item,total in totals.items()]  

25.   

26.   # Return the sorted list  

27.   rankings.sort()  

28.   rankings.reverse()  

29.   return rankings  

30.   

31.   

32. #向我推荐电影  

33. res = getRecommendations(user_info, "me")  

34. print('Recommand watching the movie:')  

35. print json.dumps(res, encoding='UTF-8', ensure_ascii=False)  
    

结果与分析：

• 与我电影口味相近的用户有：doreen, fabrice 

• 推荐我看的电影有：泰坦尼克号，这个杀手不太冷

• 以人为主体分析， 找出有相似爱好的人， 并向这些人推荐商品，可以发现潜在喜欢的商品

• 而若以商品为主体分析， 找出相似的商品， 找出喜欢这个产品的人， 可以发现商品潜在的客户

来源：数据挖掘入门与实战