ML之KG:基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
2023-09-14 09:04:47 时间
ML之KG:基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
目录
基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
# 2.2、使用matplotlib和NetworkX绘制知识图谱
相关文章
ML之KG:基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
ML之KG:基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例实现代码
基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
# 1、定义数据集
userId | movieId | rating | timestamp |
1 | 1 | 4 | 964982703 |
1 | 3 | 4 | 964981247 |
1 | 6 | 4 | 964982224 |
1 | 47 | 5 | 964983815 |
1 | 50 | 5 | 964982931 |
1 | 70 | 3 | 964982400 |
1 | 101 | 5 | 964980868 |
1 | 110 | 4 | 964982176 |
1 | 151 | 5 | 964984041 |
1 | 157 | 5 | 964984100 |
movieId | title | genres |
1 | Toy Story (1995) | Adventure|Animation|Children|Comedy|Fantasy |
2 | Jumanji (1995) | Adventure|Children|Fantasy |
3 | Grumpier Old Men (1995) | Comedy|Romance |
4 | Waiting to Exhale (1995) | Comedy|Drama|Romance |
5 | Father of the Bride Part II (1995) | Comedy |
6 | Heat (1995) | Action|Crime|Thriller |
7 | Sabrina (1995) | Comedy|Romance |
8 | Tom and Huck (1995) | Adventure|Children |
9 | Sudden Death (1995) | Action |
10 | GoldenEye (1995) | Action|Adventure|Thriller |
11 | American President, The (1995) | Comedy|Drama|Romance |
userId movieId rating timestamp
0 1 1 4.0 964982703
1 1 3 4.0 964981247
2 1 6 4.0 964982224
3 1 47 5.0 964983815
4 1 50 5.0 964982931
... ... ... ... ...
100831 610 166534 4.0 1493848402
100832 610 168248 5.0 1493850091
100833 610 168250 5.0 1494273047
100834 610 168252 5.0 1493846352
100835 610 170875 3.0 1493846415
[100836 rows x 4 columns]
# 2、构建知识图谱
# 2.1、创建Graph
graph
Graph with 9829 nodes and 100403 edges
# 2.2、使用matplotlib和NetworkX绘制知识图谱
# T1、直接绘制
# T2、将网络转化为稀疏矩阵再绘制
# 3、基于知识图谱实现推理
recommended_movies
Index(['movieId', 'score', 'title', 'genres'], dtype='object')
user_id= 1
title genres
0 Toy Story (1995) Adventure|Animation|Children|Comedy|Fantasy
1 Air Up There, The (1994) Comedy
2 Pretty Woman (1990) Comedy|Romance
3 Natural Born Killers (1994) Action|Crime|Thriller
4 Total Eclipse (1995) Drama|Romance
recommended_movies
Index(['movieId', 'score', 'title', 'genres'], dtype='object')
user_id= 11
title genres
0 American President, The (1995) Comedy|Drama|Romance
1 Jurassic Park (1993) Action|Adventure|Sci-Fi|Thriller
2 Vampire in Brooklyn (1995) Comedy|Horror|Romance
3 In the Line of Fire (1993) Action|Thriller
4 Silence of the Lambs, The (1991) Crime|Horror|Thriller
相关文章
- 【MySQL】 DB 回滚崩溃案例一则
- 纯js实现人脸识别眨眨眼张张嘴案例——index.html
- 《云原生架构容器&微服务优秀案例集》惊喜来袭
- iOS开发那些事-平铺导航-基于Page的导航及案例实现
- DL之Transformer:Transformer的简介(优缺点/架构详解,基于Transformer的系列架构对比分析)、使用方法(NLP领域/CV领域)、案例应用之详细攻略
- ML之ME:分类预测问题中评价指标(AP/mAP)的简介、使用方法、代码实现、案例应用之详细攻略
- ML之p-value:p-value/P值的简介、使用方法、案例应用之详细攻略
- Database之SQLSever:SQLSever数据库管理(GUI法/SQL语句命令法两种方法实现备份(完整备份、差异备份、日志备份)、还原、删除、修改数据库等案例)之详细攻略
- Database之SQL:SQL之over partition by开窗函数的简介、使用方法(求各班级内各自排名/求各班级内第一名/求各班级内分数递增和等案例解析)之详细攻略
- AI之FL:联邦学习(Federated Learning,分布式机器学习技术)的分类详解(纵向联邦学习/横向联邦学习)、使用方法、实战案例之详细攻略
- ML之FE:数据处理—特征工程的简介、使用方法、案例应用之详细攻略
- Py之transformers:transformers的简介、安装、使用方法、案例应用之详细攻略
- ML与Optimality:最优化理论(GD随机梯度下降/QN拟牛顿法/CG共轭梯度法/L-BFGS/TR置信域/GA遗传算法/SA模拟退火算法)在机器学习中的简介、常用方法、案例应用之详细攻略
- Python之sklearn:LabelEncoder函数简介(编码与编码还原)、使用方法、具体案例(在数据缺失和test数据内存在新值(train数据未出现过)环境下的数据LE化)之详细攻略
- Python语言学习之图表可视化:python语言中可视化工具包的简介、安装、使用方法、经典案例之详细攻略
- ML之XGBoost:XGBoost算法模型(相关配图)的简介(XGBoost并行处理)、关键思路、代码实现(目标函数/评价函数)、安装、使用方法、案例应用之详细攻略
- TF学习——TF之API:TensorFlow的高级机器学习API—tf.contrib.learn的简介、使用方法、案例应用之详细攻略
- 分享11个web前端开发实战项目案例+源码
- Java Web项目实战案例一
- ML之KG:基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
- Spring MVC拦截器实现用户登录权限验证案例
- a26.ansible 生产实战案例 -- 基于kubeadm安装kubernetes v1.21 -- 集群部署(一)