def cosseno_intersecao(matriz):
similaridades = zeros((matriz.shape[0], matriz.shape[0]))
for u in range(matriz.shape[0]):
print("\rCalculando similaridades: ", ((u+1)*100)//matriz.shape[0], "%", end="")
for v in range(u+1):
cos = 0.
iu = nonzero(matriz[u,:])[1] # índices dos itens avaliados pelo usúario u
iv = nonzero(matriz[v,:])[1] # índices dos itens avaliados pelo usuário v
intersecao = intersect1d(iu, iv) # índices das itens avaliados por u e v
nu = matriz[u, iu].toarray()[0] # notas de u
nv = matriz[v, iv].toarray()[0] # notas de v
den = (soma(nu**2) * soma(nv**2))**.5 # considera todas as notas de u e todas as notas de v
if len(intersecao) > 10:
nu = matriz[u, intersecao].toarray()[0] # notas dos itens avaliados por u e v
nv = matriz[v, intersecao].toarray()[0] # notas dos itens avaliados por v e u
num = soma(nu * nv)
if den > 0.:
cos = num/den
similaridades[u, v] = cos
similaridades[v, u] = cos
return similaridades
def meanSquaredDifference(matriz):
similaridades = zeros((matriz.shape[0], matriz.shape[0]))
for u in range(matriz.shape[0]):
print("\rCalculando similaridades: ", ((u+1)*100)//matriz.shape[0], "%", end="")
for v in range(u+1):
msd = 0.
iu = nonzero(matriz[u, :]) # índice dos itens avaliados por u
iv = nonzero(matriz[v, :]) # índice dos itens avaliados por v
nu = matriz[u, :] # notas de u
nv = matriz[v, :] # notas de v
intersecao = intersect1d(iu, iv) # índices da interseção
if len(intersecao) > 0:
nu = nu[intersecao] # notas de u de itens em comum com v
nv = nv[intersecao] # notas de v de itens em comum com u
num = len(intersecao)
den = soma((nu - nv)**2)
if den > 0.:
msd = num/den
similaridades[u, v] = msd
similaridades[v, u] = msd
return similaridades
def pearson(matriz):
similaridades = zeros((matriz.shape[0], matriz.shape[0]))
mg = media_matriz(matriz)
for u in range(matriz.shape[0]):
print("\rCalculando similaridades: ", ((u+1)*100)//matriz.shape[0], "%", end="")
for v in range(u+1):
pearson = 0.
iu = nonzero(matriz[u, :])[1] # índice dos itens avaliados por u
iv = nonzero(matriz[v, :])[1] # índice dos itens avaliados por v
nu = matriz[u, :].toarray()[0] # notas de u
nv = matriz[v, :].toarray()[0] # notas de v
intersecao = intersect1d(iu, iv) # índice dos itens em comum
if len(intersecao) > 10:
nu = nu[intersecao] # notas de u de itens em comum com v
nv = nv[intersecao] # notas de v de itens em comum com u
# mu = soma(nu)/len(nu) # média de u
# mv = soma(nv)/len(nv) # média de v
mu = media_usuario(nu, mg)
mv = media_usuario(nv, mg)
num = soma((nu - mu) * (nv - mv))
den = (soma((nu - mu)**2) * soma((nv - mv)**2))**.5
if den > 0.:
pearson = num/den
similaridades[u, v] = pearson
similaridades[v, u] = pearson
return similaridades