项目地址：[https://gitea.suimu.site/lennon/recommend_system](https://gitea.suimu.site/lennon/recommend_system)

项目中给出两个算法，一个是基于用户的协同过滤算法，一个是基于物品的协同过滤算法。



# 数据处理
## 原始数据集说明
用户与课程关联数据集, 行数说明

| 字段 | 名称 | 示例值 | 描述 | 取值范围 |
| :---: | :---: | :---: | :---: | :---: |
| views | 浏览记录 | 60% | 用户对课程浏览进度 | （0%，100%） |
| favorites | 收藏记录 | 0 | 用户是否收藏课程，1 为收藏 | enum(0,1) |
| likes | 点赞记录 | 1 | 用户是否点赞课程，1 为点赞 | enum(0,1) |
| comments | 评论记录 | ["Loved it", "Would buy again"] | 用户对课程的评论，为字符串数组 | ["Great product!", "Loved it", "Would buy again"] |
| shares | 分享记录 | 1 | 用户是否分享课程，1 为分享 | enum(0,1) |
| feedbacks | 反馈记录 | [ "Shipping was fast"] | 用户对课程的反馈，为字符串数组 | ["The product was good", "Shipping was fast"] |
| ratings | 评分记录 | 3 | 用户对课程的评分 | （1，5） |




## 中间状态，文本情感计算
处理文本情感之后的数据，示例如下：

| **用户编码** | **课程编码** | **浏览记录** | **收藏记录** | **点赞记录** | **评论记录** | **分享记录** | **反馈记录** | **评分记录** |
| :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: |
| 1 | 1 | 0.28 | 1 | 0 | 0.25 | 1 | 0.87 | 1 |
| 1 | 2 | 0.49 | 0 | 1 | 0.76 | 0 | 0.65 | 3 |


其中，评论记录和反馈记录通过 NLP 的情感分析，得到 （0,1）之间的两位小数。偏向 1 表示正向情感。

```python
pip install snownlp
```

```python
from snownlp import SnowNLP

text1 = "这个产品真的很好用！"
s = SnowNLP(text1)
print(s.sentiments)  # 输出情感得分 0.8380894562907347


from snownlp import SnowNLP

text = "好烦啊，和参数对不上！"
s = SnowNLP(text)
print(s.sentiments)  # 输出情感得分 0.2734196629160368
```



## 计算 User-Item 的评分
在原始 ml-100k 数据集中，用户和电影之间的评分是手动打的，本项目中的实现逻辑也比较简单。计算物品或者用户的邻居逻辑都在类 `CoreMath`中。所以这边需要根据 浏览记录、收藏记录、点赞记录、评论记录、反馈记录、评分记录等信息计算出一个评分。

实现逻辑是将所有的信息都标准化为一个 0 到 1 之间数，然后按照不同信息的重要程度给一个权重。计算出一个 1 到 5 之间的分数。这样就不需要改动原有算法的代码了。

### 权重分配说明：
+ **浏览记录 (views)**: 虽然浏览行为重要，但它属于较为被动的行为。建议赋予较低的权重。
+ **收藏记录 (favorites)**: 收藏表明用户对产品有一定的兴趣，建议赋予中等权重。
+ **点赞记录 (likes)**: 点赞表示用户的积极反馈，建议赋予中等偏高的权重。
+ **评论记录 (comments)**: 评论能直接反映用户的想法，建议赋予较高的权重。
+ **分享记录 (shares)**: 分享表明用户愿意向他人推荐产品，建议赋予中等偏高的权重。
+ **反馈记录 (feedbacks)**: 反馈通常比评论更详细，建议赋予较高的权重。
+ **评分记录 (ratings)**: 评分是最直接的用户评分，建议赋予最高的权重。

### 权重分配建议
```python
weights = {
    'views': 0.05,        # 浏览记录：较低权重
    'favorites': 0.1,     # 收藏记录：中等权重
    'likes': 0.15,        # 点赞记录：中等偏高权重
    'comments': 0.2,      # 评论记录：较高权重
    'shares': 0.15,       # 分享记录：中等偏高权重
    'feedbacks': 0.2,     # 反馈记录：较高权重
    'ratings': 0.15       # 评分记录：最高权重
}
```

### 代码示例
```python
from typing import Dict
from snownlp import SnowNLP

def calculate_composite_score(
        views: float,
        favorites: int,
        likes: int,
        comments: list[str],
        shares: int,
        feedbacks: list[str],
        rating: int,
        weights: Dict[str, float] = None
) -> float:
    if weights is None:
        print("No weights provided, using default values.")
        weights = {
            'views': 0.01,
            'favorites': 0.1,
            'likes': 0.125,
            'comments': 0.175,
            'shares': 0.125,
            'feedbacks': 0.175,
            'rating': 0.29
        }
    print(f"Weights: {weights}")

    # 量化 comments 和 feedback 数据，如果列表为空则默认为0
    avg_comment_score = np.mean([SnowNLP(comment).sentiments for comment in comments]) if comments else 0
    avg_feedback_score = np.mean([SnowNLP(feedback).sentiments for feedback in feedbacks]) if feedbacks else 0

    # 格式化为两位小数
    avg_comment_score_formatted = round(avg_comment_score, 2)
    avg_feedback_score_formatted = round(avg_feedback_score, 2)

    print(f"Average comment score: {avg_comment_score_formatted}")
    print(f"Average feedback length: {avg_feedback_score_formatted}")

    # 将评分数据缩放到 0-1
    scale_rating = rating * 0.2

    # Calculate the weighted score
    score = (
            views * weights['views'] +
            favorites * weights['favorites'] +
            likes * weights['likes'] +
            avg_comment_score_formatted * weights['comments'] +
            shares * weights['shares'] +
            avg_feedback_score_formatted * weights['feedbacks'] +
            scale_rating * weights['rating']
    )

    print(f"Score: {score}")

    # Ensure the score is in the range [1, 5]
    score = max(1, min(5, score * 5))

    return round(score, 2)


# 示例用法
views = 75 * 0.01  # 假设 75% 的用户浏览了这个 item
favorites = 1
likes = 0
comments = ["非常棒的产品!", "超爱的", "下次还买"]
shares = 1
feedbacks = ["产品很好", "发货速度很快"]
rating = 5

composite_score = calculate_composite_score(views, favorites, likes, comments, shares, feedbacks, rating)
print("Composite Score:", composite_score)
```

# 算法缺点

## 问题
这种融合的计算方式会导致辛普森悖论

![输入图片说明](../static/计算方式的缺点.jpg)

## 改进方案

将 1-5 的分数值换成多维的评分向量，比如 [0.2, 0.3, 0.5, 0.1, 0.1]，这样每个维度的权重可以不同，
当然计算时消耗的资源也会增加。