协同推荐 + lightfm + 根据用户已读诗词推荐

数据

下载链接：https://download.csdn.net/download/u010379996/15743786

诗词100首：Index(['id', 'title', 'era', 'author', 'content', 'translations'], dtype='object')

已读记录数据：可程序创建：Index(['userId', 'dataId', 'status'], dtype='object')

代码

import numpy as np
from lightfm import LightFM
import pandas as pd
from scipy.sparse import csr_matrixdef recommendation_user(model, user_data_interaction, user_id, user_dict, item_dict, data_metadata_csr, threshold = 0, size = 5):if (user_id in user_dict.keys()) == False:print("user not found")return Nonen_users, n_items = user_data_interaction.shapeuser_x = user_dict[user_id]scores = pd.Series(model.predict(user_x, np.arange(n_items), item_features=data_metadata_csr))scores.index = user_data_interaction.columnsscores = list(pd.Series(scores.sort_values(ascending=False).index))known_items = list(pd.Series(user_data_interaction.loc[user_id,:] \[user_data_interaction.loc[user_id,:] > threshold].index).sort_values(ascending=False))scores = [x for x in scores if x not in known_items]return_score_list = scores[0:size]known_items = list(pd.Series(known_items).apply(lambda x: item_dict[x]))scores = list(pd.Series(return_score_list).apply(lambda x: item_dict[x]))return known_items, scores## 加载数据
datapath = ""
data = pd.read_csv(datapath + "content.csv")
print(data.columns)
data = data[['id','title']]
user_data = pd.read_csv(datapath+"user_content.csv")
print(user_data.columns)## 数据处理
item_dict ={}
df = data[['id', 'title']].sort_values('id').reset_index()
for i in range(df.shape[0]):item_dict[(df.loc[i,'id'])] = df.loc[i,'title']data_metadata_selected_transformed = pd.get_dummies(data, columns = ['title'])
data_metadata_selected_transformed = data_metadata_selected_transformed.sort_values('id').reset_index().drop('index', axis=1)
data_metadata_csr = csr_matrix(data_metadata_selected_transformed.drop('id', axis=1).values)user_data_interaction = pd.pivot_table(user_data, index='userId', columns='dataId', values='status')
user_data_interaction = user_data_interaction.fillna(0)userid_list = list(user_data_interaction.index)
user_dict = {}
counter = 0
for i in userid_list:user_dict[i] = countercounter += 1user_data_interaction_csr = csr_matrix(user_data_interaction.values)## 训练
model = LightFM(loss='warp')
model = model.fit(user_data_interaction_csr,epochs=30,num_threads=2, verbose=False)## 推荐
userId = 9
known_items, scores = recommendation_user(model, user_data_interaction, userId, user_dict, item_dict, data_metadata_csr)
print('user id : ', userId)
print('read : ', known_items)
print('recommendation : ', scores)

结果

user id : 9
read : ['归嵩山作', '过香积寺', '乌衣巷', '陇西行四首·其二', '为有', '闺怨', '芙蓉楼送辛渐', '崔九欲往南山马上口号与别/留别王维/送崔九', '八阵图', '渡汉江', '新嫁娘词']
recommendation : ['江雪', '隋宫', '问刘十九', '送别/山中送别', '喜外弟卢纶见宿']

协同推荐 + lightfm + 根据用户已读诗词推荐相关推荐

具有用户已读状态功能的公告(3):一键已读所有公告
文章目录 1 摘要 2 解决方案方案一方案二方案三 3 结论 1 摘要关于公告这一系列的博客: 具有用户已读状态功能的公告(1):数据库设计具有用户已读状态功能的公告(2):用户查询公告列表 ...
推荐系统 --- 推荐算法 --- 基于用户行为的推荐算法 - 协同过滤算法
概述历史 1992年,Goldberg.Nicols.Oki及Terry提出基本思想爱好相似的用户喜欢的东西可能也会喜欢优点共享朋友的经验,提高推荐的准确度根据爱好相似的用户喜欢的视频进行 ...
java 邮件跟踪_如何跟踪邮件已读状态(Java)
>图片的展示形式: html中图片元素表示: 其中src部分是比较好玩的,我们可以用图片服务器链接地址,例如: 我们也可以使用base64的图片字符串,例如: >利用图片加载来跟踪用户打开 ...
消息已读未读的模型设计_构建一个即时消息应用（三）：对话 | Linux 中国
在我们的即时消息应用中,消息表现为两个参与者对话的堆叠.-- Nicolás Parada 本文是该系列的第三篇. ◈ 第一篇:模式◈ 第二篇:OAuth 在我们的即时消息应用中,消息表现为两个参与者 ...
app里未读消息已读、未读是怎么设计的？
也不知道大家目前都用的java编程软件有哪些,毕竟在应用程序中,未读和已读消息的设计取决于应用程序的需求和目标.下面是一些常见的设计模式: 一.简单的未读/已读标记简单的未读/已读标记:这是最常见的 ...
QQ 调查用户是否希望推「已读」功能，如何评价「已读」功能？QQ是否要加这个功能？...
12月14日上午,腾讯QQ在官方微博发起投票,"你希望QQ出已读功能吗?" 截止发稿,共有近500人参与投票,其中一半人选择"你出我就卸载QQ",另有1/4的网 ...
协同过滤推荐算法-基于用户的协同过滤UserCF及python实现
协同过滤推荐算法基本思想: 根据用户的历史行为数据的挖掘发现用户的兴趣爱好,基于不同的兴趣爱好对用户进行划分并推荐兴趣相似的物品给用户. 协同过滤推荐算法包含: 1.1基于记忆的推荐算法(基于领域的 ...
使用Java+SSM(Spring+SpringMVC+Mybatis)如何开发个性化音乐推荐系统在线音乐推荐网站基于用户、项目的协同过滤推荐算法实现MusicRecommendSystemWeb
使用Java+SSM(Spring+SpringMVC+Mybatis)如何开发个性化音乐推荐系统在线音乐推荐网站基于用户.项目的协同过滤推荐算法实现MusicRecommendSystemWeb ...
如何使用Java+SSM(Spring+SpringMVC+Mybatis)开发个性化新闻推荐系统在线新闻推荐系统基于用户项目协同过滤、内容、聚类、关联规则推荐算法实现WebNewsRSMEx
如何使用Java+SSM(Spring+SpringMVC+Mybatis)开发个性化新闻推荐系统在线新闻推荐系统基于用户项目协同过滤.内容.聚类.关联规则推荐算法实现WebNewsRSMEx 一 ...

协同推荐 + lightfm + 根据用户已读诗词推荐

数据

代码

结果

协同推荐 + lightfm + 根据用户已读诗词推荐相关推荐

最新文章

热门文章