Comment utiliser PHP pour implémenter des systèmes collaboratifs de filtrage et de recommandation

Comment implémenter un système de filtrage et de recommandation collaboratif avec PHP

Le système de filtrage et de recommandation collaboratif est un algorithme et une technologie très couramment utilisés, largement utilisés dans le commerce électronique, les médias sociaux et les services en ligne. L'algorithme de filtrage collaboratif analyse le comportement et les préférences d'un utilisateur, le compare avec le comportement d'autres utilisateurs pour trouver des utilisateurs similaires et fait des recommandations personnalisées aux utilisateurs en fonction de ces similitudes. Cet article présentera comment implémenter des systèmes collaboratifs de filtrage et de recommandation en PHP.

1. Préparation des données
   Avant de mettre en œuvre le système collaboratif de filtrage et de recommandation, nous devons d'abord préparer les données. De manière générale, nous avons besoin d'une matrice utilisateur-élément pour enregistrer la note ou la préférence de chaque utilisateur pour chaque élément. Cette matrice peut être représentée par un tableau. Voici un exemple de données :

$ratings = [
    'user1' => ['item1' => 4, 'item2' => 3, 'item3' => 5],
    'user2' => ['item1' => 5, 'item2' => 1, 'item3' => 2],
    'user3' => ['item1' => 2, 'item2' => 4, 'item3' => 1],
];

2. Calcul de similarité
   Dans le filtrage collaboratif, nous devons calculer la similarité entre les utilisateurs. Une méthode de calcul de similarité couramment utilisée est le coefficient de corrélation de Pearson. Ce qui suit est une fonction implémentée en PHP pour calculer le coefficient de corrélation de Pearson :

function pearson_similarity($ratings, $user1, $user2) {
    $common_items = array_intersect(array_keys($ratings[$user1]), array_keys($ratings[$user2]));
    
    $n = count($common_items);

    $sum1 = $sum2 = $sum1_sq = $sum2_sq = $p_sum = 0;
    
    foreach ($common_items as $item) {
        $rating1 = $ratings[$user1][$item];
        $rating2 = $ratings[$user2][$item];

        $sum1 += $rating1;
        $sum2 += $rating2;

        $sum1_sq += pow($rating1, 2);
        $sum2_sq += pow($rating2, 2);
        
        $p_sum += $rating1 * $rating2;
    }

    $num = $p_sum - ($sum1 * $sum2 / $n);
    $den = sqrt(($sum1_sq - pow($sum1, 2) / $n) * ($sum2_sq - pow($sum2, 2) / $n));

    if ($den == 0) return 0;
    return $num / $den;
}

3. Génération de recommandations
   Avec la similarité entre les utilisateurs, nous pouvons générer des recommandations basées sur la similarité. Une approche courante est l’algorithme de filtrage collaboratif basé sur l’utilisateur. Ce qui suit est une fonction d'un algorithme de recommandation de filtrage collaboratif basé sur l'utilisateur implémenté en PHP :

function user_based_recommendation($ratings, $user, $n = 5) {
    $similarity = array();
    $weighted_sum = array();
    $similarity_sum = array();

    foreach ($ratings as $other_user => $items) {
        if ($other_user == $user) continue;

        $sim = pearson_similarity($ratings, $user, $other_user);
        if ($sim <= 0) continue;

        foreach ($items as $item => $rating) {
            if (!isset($ratings[$user][$item]) || $ratings[$user][$item] == 0) {
                $weighted_sum[$item] += $rating * $sim;
                $similarity_sum[$item] += $sim;
            }
        }
    }

    $rankings = array();
    foreach ($weighted_sum as $item => $weighted_rating) {
        if ($similarity_sum[$item] > 0) {
            $rankings[$item] = $weighted_rating / $similarity_sum[$item];
        }
    }

    arsort($rankings);
    return array_slice($rankings, 0, $n, true);
}

Dans l'exemple de code ci-dessus, $n représente le nombre de recommandations à générer, et la valeur par défaut est 5. La fonction user_based_recommendation renverra un tableau d'éléments triés par score de recommandation de haut en bas. $n 表示要生成的推荐数量，默认为5。user_based_recommendation 函数将返回一个按推荐评分从高到低排列的物品数组。

4. 使用示例
   下面是一个使用上述函数的示例：

$recommendations = user_based_recommendation($ratings, 'user1', 3);

foreach ($recommendations as $item => $rating) {
    echo "推荐物品：$item, 评分：$rating
";
}

以上示例将为user1

Exemple d'utilisation

Ce qui suit est un exemple d'utilisation de la fonction ci-dessus :


rrreee🎜L'exemple ci-dessus générera 3 éléments recommandés pour user1 et affichera les résultats. 🎜🎜Résumé : 🎜À travers les étapes ci-dessus, nous avons montré comment utiliser PHP pour implémenter des systèmes collaboratifs de filtrage et de recommandation. Tout d’abord, nous avons préparé les données de la matrice utilisateur-élément et calculé la similarité entre les utilisateurs. Ensuite, des recommandations personnalisées sont générées en fonction de la similarité. Il ne s'agit que d'une méthode de mise en œuvre parmi d'autres, et les applications réelles devront peut-être être modifiées de manière appropriée en fonction de besoins spécifiques. J'espère que cet article pourra vous aider à comprendre comment utiliser PHP pour implémenter des systèmes collaboratifs de filtrage et de recommandation. 🎜

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!