参考网址：https://zhuanlan.zhihu.com/p/352181306
数据链接：https://pan.baidu.com/s/1JS1fTrCrZHonNsywLDLhhQ?pwd=a6uf
提取码：a6uf
1 import pandas as pd
2 from surprise import Dataset
3 from surprise import Reader
4 from surprise import SVD
5 from surprise.model_selection import cross_validate
6 import difflib
7 import random
8
9 # 读取数据
10 ratings_data = pd.read_csv('./data/ratings.csv')
11 books_metadata = pd.read_csv('./data/books.csv')
12 # print(ratings_data.head(10))
13
14 # 创建Surprise数据集
15 reader = Reader(rating_scale=(1, 5)) # Reader类用于解析包含评级的文件，rating_scale用于每个评级的评级尺度。默认值为（1，5）
16 # 从panda数据帧里加载数据集，第一个参数需要包含user (raw) ids, the item (raw) ids, and the ratings，第二个参数读取文件的读取器
17 data = Dataset.load_from_df(ratings_data[['user_id', 'book_id', 'rating']], reader)
18
19 # SVD实现
20 # verbose:输出当前epoch，默认为False
21 # n_epochs：迭代次数，默认为20
22 # n_factors：k值，默认为100
23 svd = SVD(verbose=True, n_epochs=10)
24 # 三重交叉验证对SVD模型进行了交叉验证
25 cross_validate(svd, data, measures=['RMSE', 'MAE'], cv=3, verbose=True)
26
27
28 # 使用build_full_trainset 方法将交叉验证的数据集转换为一个Surprise的Trainset对象
29 # trainset = data.build_full_trainset()
30 # 可以使用fit方法在整个数据集上训练模型。
31 # svd.fit(trainset)
32
33 # 有了一个经过训练的SVD模型，我们可以使用它来预测给定用户ID（UID）和项目/书籍ID（IID）的用户对图书的评分。
34 # print(svd.predict(uid=10, iid=100))
35
36 def get_book_id(book_title, metadata):
37 """
38 根据元数据数据帧中最接近的匹配获取书名的图书ID。
39 """
40
41 existing_titles = list(metadata['title'].values)
42 closest_titles = difflib.get_close_matches(book_title, existing_titles)
43 book_id = metadata[metadata['title'] == closest_titles[0]]['id'].values[0]
44 return book_id
45
46
47 def get_book_info(book_id, metadata):
48 """
49 给定图书id和元数据数据框架，返回有关图书的一些基本信息。
50 """
51
52 book_info = metadata[metadata['id'] == book_id][['id', 'isbn','authors', 'title', 'original_title']]
53 return book_info.to_dict(orient='records')
54
55
56 def predict_review(user_id, book_title, model, metadata):
57 """
58 预测用户对某本书的评论(1-5分)。
59 """
60
61 book_id = get_book_id(book_title, metadata)
62 review_prediction = model.predict(uid=user_id, iid=book_id)
63 return review_prediction.est
64
65
66 def generate_recommendation(user_id, model, metadata, thresh=4):
67 """
68 根据评分阈值为用户生成图书推荐。只有预测评分达到或高于阈值的书籍才会被推荐
69 """
70
71 book_titles = list(metadata['title'].values)
72 random.shuffle(book_titles)
73
74 for book_title in book_titles:
75 rating = predict_review(user_id, book_title, model, metadata)
76 if rating >= thresh:
77 book_id = get_book_id(book_title, metadata)
78 return get_book_info(book_id, metadata)
79
80
81 #生成一个图书推荐
82 print(generate_recommendation(1000, svd, books_metadata))
标签：title,import,book,Book,单个,Surprise,data,id,metadata From： https://www.cnblogs.com/zhouyeqin/p/16840511.html