Python使用矩阵分解法推荐系统找到类似的音乐

 这篇文章是如何使用几种不同的矩阵分解算法计算相关艺术家。最近我们被客户要求撰写关于的矩阵分解法推荐系统研究报告，包括一些图形和统计输出。代码用Python编写，以交互方式可视化结果。

加载数据

这可以使用Pandas加载到稀疏矩阵中：

# read in triples of user/artist/playcount from the input datasetdata = pandas.read_table("usersha1-artmbid-artname-plays.tsv",
 
                        usecols=[0, 2, 3],
 
                        names=['user', 'artist', 'plays'])# map each artist and user to a unique numeric valuedata['user'] = data['user'].astype("category")data['artist'] = data['artist'].astype("category")# create a sparse matrix of all the artist/user/play triplesplays = coo_matrix((data['plays'].astype(float),
 
                  (data['artist'].cat.codes,
 
                    data['user'].cat.codes)))

这里返回的矩阵有300,000名艺术家和360,000