《大数据计算及应用》

【推荐系统】实验报告

目录

《大数据计算及应用》

【推荐系统】实验报告

【实验相关统计信息】

（1）统计用户数量：19835。

【实验原理】

1、 找到与目标用户A相似的用户群体

【关键部分代码解析】

（1） 前期准备

（2） 读取数据

（4） 将Data矩阵的数据转成Pearson系数矩阵

（5） 求用户A和用户B的Pearson相似度

（6） 最后产品得分中的bxi的值

（7） 最后产品得分中的rxi的值

（8） 预测目标用户对目标电影的终极打分

（10） Main()函数中一些必须执行的步骤

【结果分析】

（1） 本实验最终测试RMSE结果约为23。

【实验相关统计信息】

（1）统计用户数量：19835。

（2）统计所有产品的得分平均值：49.545。

（3）统计每个用户看过的电影数目，在读取数据时将其存入数组int MovieNum[19835];中。
（4）统计计算Pearson系数需要的数据，存在Pearson矩阵中。

【实验原理】

核心算法：基于用户的协同过滤

如果已知用户A喜欢《蜘蛛侠》、《奇异博士》、《美国队长》、《绿巨人》等漫威超级英雄系列电影，另外用户B也都喜欢这些电影，此外B还喜欢《钢铁侠》，则A很有可能也喜欢《钢铁侠》，故我们可以预测用户A对于《钢铁侠》的打分会较高。