原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大数据在互联网领域的应用——协同过滤实践
北京信息职业技术学院 | 朱立
本文来自：大数据技术原理与应用——概念、存储、处理、分析与应用
作 者：林子雨
出版社：人民邮电出版社
版权说明
若作者对本资料使用持有异议，请及时联系本网站，我们将在第一时间妥善处理。
2
1. 实践背景
我们选择以MovieLens公开数据集作为实验数据，采用ItemCF算法，使用Python语言来实现一个简易的电影推荐系统
具体采用的MovieLens 100k 数据集包括了1000名用户对1700部电影的评分记录，每个用户都至少对20部电影进行过评分，一共有100000条电影评分记录
基于这个数据集，我们解决的是一个评分预测问题，即如何通过已知的用户评分记录来预测未知的用户评分
对于用户未进行评分的电影，我们希望能够预测出一个评分，而这个评分反过来也可以用于猜测用户是否会喜欢这部电影，从而决定是否给用户推荐该电影
2. 实践数据
用户对电影评分的数据格式如下，包含了用户ID、电影ID、评分、评分时间戳
通过评分数据，我们便可以采用如余弦相似度来计算用户之间的相似度
用户对电影的评分数据
3. 实践流程
具体实现流程如下：
预处理：读取数据，提取评分
计算相似度：使用余弦相似度计算电影间的相似度
计算推荐结果：针对目标用户，对该用户未评分的电影计算预测评分
展示推荐结果：对计算的评分进行降序排序，取Top-N个结果，作为最终的推荐结果
3. 实践流程
例如对用户ID为1的用户，取10个推荐结果如下：
推荐结果
文档评论（0）