公式：
#
数据 elt 清洗后(txt)
#
一般 user 和 item 分值化
#
比如 用户下载，收藏，试听 某item 等等
user items score
.
#
结果输出 (bdb)
#
user item1:score1,item2:score2,item3:score3.
python
<<
EOF
import
bsddb
db
=
bsddb.hashopen(
‘
user-items.db
‘
,
‘
c
‘
)
for
row
in
open(
‘
user-item-sc.txt
‘
):
row
=
row.split(
‘
\n
‘
)[0]
dr
=
row.split(
‘
:
‘
)
if
not
db.has_key(dr[0]) : db[dr[0]]
=
dr[
1
]
+
‘
:
‘
+
dr[
2
]
else
: db[dr[0]]
=
db[dr[0]]
+
‘
;
‘
+
dr[
1
]
+
‘
:
‘
+
dr[
2
]
db.close()
EOF
#
结果输出 (txt)
#
user user score
python
<<
EOF
import
bsddb
from
math
import
*
db
=
bsddb.hashopen(
‘
user-items.db
‘
,
‘
c
‘
)
def
ps(u1,u2):
um1
=
{}
for
v
in
db[u1].split(
‘
;
‘
) :
v
=
v.split(
‘
:
‘
)
um1[v[0]]
=
float(v[
1
])
um2
=
{}
si
=
[]
for
v
in
db[u2].split(
‘
;
‘
) :
v
=
v.split(
‘
:
‘
)
um2[v[0]]
=
float(v[
1
])
if
um1.has_key( v[0] ) : si.append(v[0])
n
=
len(si)
if
n
==
0.0
:
return
None
sum1
=
sum( [um1[it]
for
it
in
si] )
sum2
=
sum( [um2[it]
for
it
in
si] )
sum1Sq
=
sum([ pow(um1[it],
2
)
for
it
in
si])
sum2Sq
=
sum([ pow(um2[it],
2
)
for
it
in
si])
pSum
=
sum( [ um1[it]
*
um2[it]
for
it
in
si ] )
num
=
pSum
–
(sum1
*
sum2
/
n)
den
=
sqrt( (sum1Sq
–
pow(sum1,
2
)
/
n )
*
( sum2Sq
–
pow(sum2,
2
)
/
n ) )
if
den
==
0.0
:
return
None
return
num
/
den
fc
=
open(
‘
user-user-sc.txt
‘
,
‘
w
‘
)
for
i
in
xrange(
1
,
43381
):
for
j
in
xrange(i
+
1
,
43381
):
sc
=
ps(str(i),str(j))
if
not
sc
==
None:
print
>>
fc,
“
%s\t%s\t%s
“
%
(i,j,sc)
fc.close()
EOF
#
测试使用
python
<<
EOF
import
bsddb
db
=
bsddb.hashopen(
‘
user-items.db
‘
,
‘
c
‘
)
print
db[
‘
1
‘
]
EOF
25
30604
1.0
print
um1[
‘
468
‘
],um1[
‘
471
‘
]
2.0
1.0
(Pdb)
print
um2[
‘
468
‘
],um2[
‘
471
‘
]
2.0
1.0
如果对大家对 推荐有一些了解，数据能到 用户与用户关系(分值化) ,是能干很多事情了。
比如：
1. 首先得到某用户相近度最高的几位活跃用户，看这几位用户在看什么，听什么 然后推荐出去
扩展：
把初始值 反过来 item user score ，然后统计出 item 和 item 之间的关系 。
当 消费某一产品 ，马上推荐出 其他的相近的产品 （時时推荐）
本文转自博客园刘凯毅的博客，原文链接：推荐算法 – 皮尔逊函数，如需转载请自行联系原博主。
