R重寫mahout中user-based協同過濾算法-註釋篇

聲明：本篇是基於張丹《R的極客思想》書本中的內容，但張丹在代碼中並未添加過多註釋，本人最近在研究推薦系統，並將張丹的代碼做了一些改動和詳細註釋貼上來供大家學習交流

#user-based 協同過濾推薦，3個近鄰，2個推薦結果
#1.構建數據模型
FileDataModel<-function(file_name){
  user=unique(file_name$buyer_member_name)
  item=unique(file_name$store_name)		
  uidx=match(file_name$buyer_member_name,user)		#向量形式	
  iidx=match(file_name$store_name,item)
  #user-item評分矩陣，初始化值=0，可根據實際情況更改爲其他值
  M=matrix(0,length(user),length(item))
  i=cbind(uidx,iidx,file_name$overall_rating)
  for (n in 1:nrow(i)) {
    M[i[n,][1],i[n,][2]]=i[n,][3]
  }
  #矩陣行列命名
  dimnames(M)[[2]]=item
  dimnames(M)[[1]]=user
  return(M)
}

#2.改進的歐式距離相似度算法
EuclideanDistanceSimilarity<-function(M){
  row=nrow(M)				#用戶數
  s=matrix(0,row,row)		#初始化user-user相似度矩陣
  for (z1 in 1:row){
    for (z2 in 1:row){
	  #只計算下三角矩陣元素的值，不包含對角線元素
      if (z1<z2) {
        num=intersect(which(M[z2,] != 0),which(M[z1,] != 0))	#可進行計算的列-即都有正常的偏好評分
        sum=0
        for (z3 in num){
          sum=sum+(M[z1,][z3]-M[z2,][z3])^2
        }
        #下三角矩陣賦值
        s[z2,z1]=round(length(num)/(1+sqrt(sum)),3)
        #對算法閾值進行限制
        if (s[z2,z1]>1)  s[z2,z1]=1
        #if (s[z2,z1]<-1) s[z2,z1]=-1	
      }
    }
  }
  ts=t(s)	
  w=which(upper.tri(ts))	#默認不包含對角元素
  s[w]=ts[w]
  s
}

#3.用戶最近鄰算法，選出最近的前n個用戶，傳入客戶相似度矩陣+近鄰個數
NearestNUserNeighborhood<-function(s,n){
  row=nrow(s)
  neighbor=matrix(0,row,n)
  #user角度
  for (z1 in 1:row){
    for (z2 in 1:n){
      m=which.max(s[,z1])
	  #neighbor只存儲索引
      neighbor[z1,z2]=m
      s[,z1][m]=0
    }
  }
  neighbor
}

#4.基於部分用戶的推薦算法，對store_name進行推薦
#函數入參：buyer_member_name+recommender_num(推薦結果個數)+M(數據模型矩陣)+S(相似度矩陣)+N(近鄰矩陣)
M=FileDataModel(entropy_data_frame)
S=EuclideanDistanceSimilarity(M)
N=NearestNUserNeighborhood(S,3)			#3個近鄰


#uid_char爲user name
UserBasedRecommender<-function(uid_char,n,M,S,N){
  uid=which(rownames(M)==uid_char)	#user name的行索引
  row=ncol(N)						#近鄰個數
  col=ncol(M)						#store_name個數
  r=matrix(0,row,col)
  N1=N[uid,]						#N1-索引，length=近鄰個數
  for (z1 in 1:length(N1)){
    num=intersect(which(M[uid,] == 0),which(M[N1[z1],] != 0))	#可計算的列，uid在評分矩陣上沒有評分，而近鄰有評分
    for (z2 in num){
      r[z1,z2]=M[N1[z1],z2] * S[uid,N1[z1]]		#評分乘相似度
    }
  }
  
  #過濾推薦矩陣結果
  sum=colSums(r)					#向量形式，每個store_name一個值
  s2=matrix(0,2,col)
  for (z1 in 1:length(N1)){
    num=intersect(which(colSums(r) != 0),which(M[N1[z1],] != 0))	#sum(評分乘相似度)不等於0，且近鄰用戶在store_name上的評分不等於0
    for (z2 in num){
      s2[1,][z2]=s2[1,][z2]+S[uid,N1[z1]]
      s2[2,][z2]=s2[2,][z2]+1		#計數
    }
  }
  
  s2[,which(s2[2,]==1)]=10000		#若在某個推薦上只有一個近鄰有評分時，讓s2矩陣對應的相似度無窮大
  s2=s2[-2,]
  
  r2=matrix(0,n,2)
  rr=sum/s2							#sum(評分乘相似度)/sum(相似度)					
  
  item=dimnames(M)[[2]]
  
  for (z1 in 1:n){
    w=which.max(rr)
    #0.5是可變化的值，即推薦閾值
    if(rr[w]>0.5){
      r2[z1,1]=item[which.max(rr)]
      r2[z1,2]=as.double(rr[w])
      rr[w]=0
    }
  }
  r2
}