01 · 10 分钟跑通一个推荐系统

# -*- coding: utf-8 -*-
"""10 分钟推荐系统 —— 不用装任何库，不用下载任何数据"""

# ============ 第 1 步：数据 ============
# 8 个用户，对 10 部电影的评分（1-5 分，0 表示没看过）
movies = ["流浪地球", "星际穿越", "泰坦尼克", "教父", "低俗小说",
          "你的名字", "千与千寻", "复仇者联盟", "肖申克救赎", "疯狂动物城"]

ratings = {
    "小明": [5, 5, 0, 0, 0, 4, 4, 5, 0, 3],
    "小红": [0, 0, 5, 0, 0, 5, 5, 0, 4, 5],
    "小刚": [5, 4, 0, 5, 5, 0, 0, 4, 5, 0],
    "小美": [0, 0, 5, 0, 0, 4, 5, 0, 5, 5],
    "阿强": [4, 5, 0, 4, 4, 0, 0, 5, 4, 0],
    "阿丽": [0, 3, 4, 0, 0, 5, 5, 0, 4, 4],
    "老王": [5, 5, 0, 5, 4, 0, 3, 5, 5, 0],
    "小张": [3, 0, 5, 0, 0, 5, 4, 0, 0, 5],
}

# ============ 第 2 步：算物品之间有多像 ============
def similarity(a, b):
    """余弦相似度：两个物品的评分向量夹角越小 = 越像。返回 0~1"""
    dot = sum(x * y for x, y in zip(a, b))
    na = sum(x * x for x in a) ** 0.5
    nb = sum(y * y for y in b) ** 0.5
    return dot / (na * nb) if na and nb else 0.0

# 把「每个用户对电影 i 的评分」抽成一列，就是电影 i 的向量
users = list(ratings.keys())
item_vectors = [[ratings[u][i] for u in users] for i in range(len(movies))]

# 10x10 的相似度表
sim = [[similarity(item_vectors[i], item_vectors[j]) for j in range(len(movies))]
       for i in range(len(movies))]

# ============ 第 3 步：给某个人推荐 ============
def recommend(user, top_n=3):
    my_ratings = ratings[user]
    scores = {}
    for j in range(len(movies)):
        if my_ratings[j] > 0:      # 看过的不推
            continue
        # 打分 = Σ(我给看过的电影的分 × 那部电影和它的相似度)
        score = sum(my_ratings[i] * sim[i][j] for i in range(len(movies)) if my_ratings[i] > 0)
        scores[movies[j]] = score
    return sorted(scores.items(), key=lambda x: -x[1])[:top_n]

# ============ 第 4 步：看结果 ============
for user in users:
    seen = [movies[i] for i, r in enumerate(ratings[user]) if r >= 4]
    print(f"\n【{user}】喜欢：{'、'.join(seen)}")
    print("  推荐给他：")
    for name, score in recommend(user):
        print(f"    → {name}  (推荐分 {score:.2f})")

【小刚】喜欢：流浪地球、星际穿越、教父、低俗小说、复仇者联盟、肖申克救赎
  推荐给他：
    → 千与千寻  (推荐分 10.35)
    → 你的名字  (推荐分 6.47)
    → 疯狂动物城  (推荐分 5.96)

【小张】喜欢：泰坦尼克、你的名字、千与千寻、疯狂动物城
  推荐给他：
    → 肖申克救赎  (推荐分 12.71)
    → 星际穿越  (推荐分 8.23)
    → 复仇者联盟  (推荐分 5.99)

第 1 步：把「电影」变成一串数字
────────────────────────────────
          小明 小红 小刚 小美 阿强 阿丽 老王 小张
星际穿越 [ 5    0    4    0    5    3    5    0  ]  ← 这就是「星际穿越」这部电影
千与千寻 [ 4    5    0    5    0    5    3    4  ]  ← 这就是「千与千寻」

  💡 一部电影 = 「所有人对它的评分」组成的一串数字。
     两部电影被同一批人喜欢 → 这两串数字长得像 → 这两部电影像。


第 2 步：算「像不像」
────────────────────────────────
  余弦相似度 = 两串数字的夹角

  完全一样方向 → 1.0（超级像）
  完全没关系   → 0.0（毫无关系）


第 3 步：加权打分
────────────────────────────────
  小刚给「星际穿越」打了 4 分
  「星际穿越」和「千与千寻」相似度 0.6
                            ↓
  「千与千寻」得分 += 4 × 0.6 = 2.4

  把小刚看过的每一部都这样算一遍、加起来 → 总分最高的就是推荐结果