使用基于项或基于用户的方法的推荐应用程序
recommender-engine的Python项目详细描述
推荐程序是使用基于项或基于用户的方法的推荐应用程序。
推荐程序位于v0.3.0版本,有关发布历史的更多详细信息,请参见change log。
Build | ||
---|---|---|
Quality | ||
Support | ||
Platform |
目录
用法
使用pip安装
$ pip install recommender-engine
api
进行推荐(个人推荐,偏好空间,推荐人方法='基于用户的',推荐项目数=10,相似性度量='欧几里得距离')
Return list of recommendation items based on the chosen approach and similarity emasure
Parameters
--------------
person_to_recommend (str): user id/name to recommend to
preference_space (dict): keys are user id/name and values are dictionary of items and ratings
recommender_approach (str): support 'user_based' (default) or 'item_based'
number_of_items_to_recommend (int): number of items to recommend (default=10)
similarity_measure (str): similarity measurement method , support 'euclidean_distance' (default), 'cosine' or 'pearson_correlation'
示例
>>> from recommender_engine import make_recommendation
>>> result = make_recommendation(person_to_recommend = "userA",
preference_space = preference_space,
recommender_approach = 'user_based',
number_of_items_to_recommend = 10,
similarity_measure = 'euclidean_distance')
首选项空间是字典数据结构,其中键是用户,值是项和分级的字典
preference_space = {
'userA : {
'item1' : 'ratingA1,
'item2' : 'ratingA2',
...,
'itemn' : 'ratingAn
},
...,
'userZ:{
'item1' : 'ratingZ1,
'item2' : 'ratingZ2',
...,
'itemn' : 'ratingZn
}
}
测试数据集
该项目已经在这些数据集上进行了测试
贡献
请遵循我们在contribution instruction和code of conduct的捐款约定
请查看issue file以获取需要帮助的问题列表。
欣赏
请随意将您的姓名添加到list of contributors中。您将自动进入名人堂,以表示我对您的贡献的感谢
名人堂
许可证
请参阅LICENSE文件以了解许可证权限和限制(apache license 2.0)。