发布时间 : 星期四 文章基于Knn算法的图书推荐系统（毕业设计）更新完毕开始阅读b5dabdc390c69ec3d4bb7528
华北科技学院毕业设计
3. 设定参数，如k
4.维护一个大小为k的的按距离由大到小的优先级队列，用于存储最近邻训练元组。随机从训练元组中选取k个元组作为初始的最近邻元组，分别计算测试元组到这k个元组的距离，将训练元组标号和距离存入优先级队列
5. 遍历训练元组集，计算当前训练元组与测试元组的距离，将所得距离L 与优先级队列中的最大距离Lmax
6. 进行比较。若L>=Lmax，则舍弃该元组，遍历下一个元组。若L < Lmax，删除优先级队列中最大距离的元组，将当前训练元组存入优先级队列。
7. 遍历完毕，计算优先级队列中k 个元组的多数类，并将其作为测试元组的类别。 8. 测试元组集测试完毕后计算误差率，继续设定不同的k值重新进行训练，最后取误差率最小的k 值。
4.3 算法优缺点
4.3.1 优点
1.简单，易于理解，易于实现，无需估计参数，无需训练。 2. 适合对稀有事件进行分类。
3.特别适合于多分类问题(multi-modal,对象具有多个类别标签)， kNN比SVM的表现要好。 4.3.2 缺点
该算法在分类时有个主要的不足是，当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数。 该算法只计算“最近的”邻居样本，某一类的样本数量很大，那么或者这类样本并不接近目标样本，或者这类样本很靠近目标样本。无论怎样，数量并不能影响运行结果。
该方法的另一个不足之处是计算量较大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点。
第 7 页 共 27 页
图书推荐系统
第5章 Knn算法在图书推荐系统的实现
5.1 训练集数据train.data
以表5-1所示的华北科技学院图书借阅记录的用户借阅行为，作为推荐系统的训练集数据。
表5-1 数据集
barCode 00415155 00360052 00141303 00319832 00359031 00404067 ? 00368169 00410055 00423676 00391519 00268408 00423214 00333482 comNum 0344432 0298082 0134864 0268308 0297062 0333555 ? 0306006 0339333 0352909 0321016 0213510 0352451 0271950 readerNum A00000913 A00000854 A00000854 A00000854 A00000854 A00000854 ? A00000913 A00000913 A00000463 A00000463 A00000260 A00000377 A00000377 handleTime 2006/9/5 0:00 2006/9/5 0:00 2006/9/5 0:00 2006/9/5 0:00 2006/9/5 0:00 2006/9/5 0:00 ? 2006/9/5 0:00 2006/9/5 0:00 2006/9/6 0:00 2006/9/6 0:00 2006/9/6 0:00 2006/9/6 0:00 2006/9/6 0:00 keyNum 112354 101837 47478 95171 101547 109964 ? 103890 111251 114296 107254 82555 114217 95871
其中readerNum(读者编号)和keyNum(书目主键)是相关性计算的主要数据依据。下面将上述数据通过SQL Server 2008数据库读取到R软件中，然后存放于train.data数据框中，具体代码如下：
library(RODBC) odbcDataSources()
conn=odbcConnect(\
sql=\train.data=sqlQuery(conn,sql) names(train.data)=c(\odbcClose(conn)
其中，前3行样本数据如下所示：
第 8 页 共 27 页
华北科技学院毕业设计
train.data[1:3,] reader book
1 A00000543 111510 2 A00000991 69045 3 A00000991 82879
5.2建立读者-书目矩阵
现在要把常规的train.data 形式的矩阵转换为列代表不同书目，行代表不同读者，内部代表是否进行过借阅的矩阵，即每列代表某一本书被哪些读者借阅过，每行代表每一读者借阅过的书目。具体数据如表5-2所示：
表5-2 读者-书目矩阵
A00000014 A00000017 A00000025 A00000040 ? A00000050 A00000056 A00000057 A00000063 A00000075 669 2324 8200 9462 ? 9895 10515 10865 11007 11304 0 0 0 0 ? 0 0 0 0 0 0 0 0 0 ? 0 0 0 0 0 1 0 0 1 ? 0 0 0 0 0 0 0 0 0 ? 1 0 0 1 0 ? ? ? ? ? ? ? ? ? ? 0 0 0 0 ? 1 0 0 0 0 0 0 0 0 ? 0 0 0 0 0 0 0 0 0 ? 0 0 0 0 0 0 0 1 0 ? 0 0 0 0 0 0 0 0 0 ? 0 0 0 1 0 实现代码如下： library(reshape)
user.item.matrix=cast(train.data,reader~book,value=value,fill=0,fun.aggregate=length) row.names(user.item.matrix)=user.item.matrix[,1] user.item.matrix=user.item.matrix[,-1]
这里的核心函数是reshape包里的cast函数，如下代码执行后会返回行代表的用户。 user.item.matrix=cast(train.data,reader~book,value=value,fill=0,fun.aggregate=length) 其中列代表书目（reader~book），元素内容是value，默认值NA自动使用0替换（fill=0），以代表读者没有借入过该书目，首列数据（reader）是代表用户的读者编号， 首列数据是代表书目的键值编号。
第 9 页 共 27 页
图书推荐系统
5.3计算书目距离矩阵distance
这里使用书目之间的相关性系数来间接计算书目的距离矩阵。例如，user.item.matrix矩阵中的第1列和第3列分别代表书目669和书目8200被用户借阅的情况，其相关性系数的计算方式代码如下：
sim_cor=cor(user.item.matrix[,1] , user.item.matrix[,3]);
sim_cor的取值范围是[-1,1]这里使用如下规则把sim_cor转换为distance 1. 当sim_cor的取值为-1时，distance=inf无限大 2. 当sim_cor的取值为1是，distance=0 具体计算实现的方式代码如下： distance=-log((sim_cor/2)+0.5)
最后把distance矩阵的行名称和列名称设置为书目键值，以便可以在后续程序中的distance矩阵中定位出实际的视频数据。
colnames(distance)=colnames(user.item.matrix) rownames(distance)=colnames(user.item.matrix)
5.4计算读者和书目的关系程度
自定义的Knn.userid.item函数是算法的核心，它主要计算读者reader和书目itemid
的相关程度。通过distance物品间的距离矩阵，可以形象的得到一个书目二维平面分布图。如图5-4所示：
图5-1 读者和书目的关系程度
第 10 页 共 27 页