推荐算法，基于内容推荐——content-based recommendation-卡咪卡咪哈-一个博客

Content-based simple anime recommender from Myanimelist Dataset on Kaggle（基于内容的动漫推荐）

目前基础推荐系统主要分为两种，基于内容的推荐和协同过滤。基于内容的推荐系统更加专注于内容的属性，不计算项目-用户之间的交互，向用户推荐项目。在这种情况下，我们假设如果用户喜欢电影，新闻或产品等某项商品，那么他/她在未来也会喜欢某项商品，将重点放在项目之间的相似性。在基于娱乐/媒体的产品（如动漫或电影）中，这一假设一定程度上可以成立。如果我喜欢看《指环王》，《加勒比海盗》，《霍比特人》等电影，那么我可能会喜欢其他幻想/冒险片的电影，例如《金罗盘》或《星尘》。

作为一个95后，火影，龙珠和死神几乎成为了我们童年的共同记忆，即使现在是b站的忠诚用户，给同学种草安利新剧成为了生活中很重要的乐趣，但是不可否认的是目前由于动漫质量的参差不齐，很难找到好的动漫建议，因为很少有网站可以提供动漫建议和评级。Myanimelist 凭借其庞大的动漫数据库和充满活力的社区而位居榜首，该社区以准确的评分为动漫进行评分和审查。最近Myanimelist在Kaggle上启动了一个数据集，最后我用这些数据制作了一个简单的推荐系统。在这篇文章中，我将介绍根据动漫类型，等级，评论动漫的成员数量以及分享一些结果等属性创建推荐器的过程。

Datasets

该数据集包含有关来自12,294动漫的73,516个用户的用户偏好数据的信息。每个用户都可以将动漫添加到他们的完整列表中并给它一个评分，并且该数据集是这些评分的汇总。有两个数据集，anime.csv和动漫相关数据，以及rating.csv包含用户首选项相关数据。我仅使用了基于内容的功能，因此仅使用了Anime.csv数据集。

特征变量：

anime_id：http://myanimelist.net动漫的唯一ID

name：动漫的全名

genre：此动漫的类型

type：电影，电视，OVA等

episodes：此节目中有多少集（如果是电影则为1）

rating：该动画的平均评分（满分10分）

members：此动漫的“组”中社区成员的数量

K Nearest Neighbor

在这种情况下，我们可以简单地找到邻居，并使用它们来推荐相似的项目。粗略地说，为了建议相似的动画，我首先找到k相似的动画并将其推荐给用户。在这种情况下，我已经检索了与给定查询相关的前5个最相似的动漫。例如，如果我向“推荐人”系统查询“火影忍者”，它将返回与火影忍者相似的前5名动漫。我已将类型，类型，剧集，评分和成员用作特征，但没有选择使用名称特征。我本可以使用tf-idf或其他策略（如单词袋）来处理文本功能，但实际上使用名称会使建议“太容易了”。如果我们显示《火影忍者》第二季和所有《火影忍者》电影，很容易显示出类似《火影忍者》的动漫，我想看看不使用文字功能的简单方法还能走多远。

数据集加载

数据预处理过程

如前所述，动漫名称功能已被删除。类型和剧集功能缺少许多值。我现在将逐个功能介绍它们的处理方式。

集数（Episodes）

即使评分相似，许多动漫的情节数也未知。除了诸如《火影忍者》，《疾风传》等许多超人气动漫外，收集数据时正在进行《进击的巨人》第二季，因此其集数被视为“未知”。对于我最喜欢的一些动漫，我手动填写了剧集编号。对于其他动漫，我不得不做出一些有根据的猜测。我所做的更改：

归入“Unknown”类别的动漫通常具有1集。因此，我用1填充了未知值。分组的动漫是“ OVA”代表“原始视频动画”。这些通常是一集/两集长的动漫（尽管受欢迎的动漫通常有2/3集），但是我决定再次用1来填充未知数集。根据数据集概述，归类于“电影”下的动漫被视为“ 1”集。对于所有其他动画，其情节数未知，我用中位数2填充了na值。

类型（Type）

类型因为并没有大小的区别，选择用get_dummies的方式变成0，1变量

评分，会员和类型(Rating, Members and Genre)

对于成员功能，我只是将字符串转换为float。

情节编号，成员和等级与分类变量不同，并且值也有很大差异。

在数据集中，评分范围为0–10，而对于诸如One Piece或Naruto等长期流行的动漫，情节编号甚至可以长达800多个情节。这可能会使KNN中的距离度量产生偏差，因为包含较大数字的要素将被加权，而其他要素将被打折。并最终使用了scikit-learn的MinMaxScaler。

拟合KNN模型（Fit KNN Model）

将scikit学习的KNN模型拟合到数据，并针对每个距离计算最近的邻居。在这种情况下，我使用了无监督的NearestNeighbors方法来实现邻居搜索。请注意，我使用k = 6作为参数是因为KNN返回的第一个邻居始终是自身，因为实例到自身的距离为0，我们不能使用它。

帮助函数（Helper functions）

写一些辅助函数来查询和显示结果

get_index_from_name(name): 如果指定了全名，则返回动画的索引。

get_index_from_partial_name(name) : 返回名称中带有该子字符串的所有动漫的索引。许多动漫名称没有得到正确的记录，在许多情况下，它们的名称是日语而不是英语，并且拼写经常不同。因此我创建了这个函数。

print_similar_animes(query,id): 查询后打印前5个相似的动漫。我们可以按名称和ID进行查询。

结果（Query Examples）

推荐第二季和相关动画：

正如我们将在下面看到的那样，推荐器的效果令人惊讶。如果我们考虑动漫的第二季，并且相关的动漫电影和其他产品必须与自身非常相似，则推荐者会很好地预测它们。

《火影忍者》的第二季是《火影忍者疾风传》，而《野良神》的第二季是《野良神》 Aragoto，这是这两种动漫的首个推荐。 Mushishi和Gintama也是长期经营的动漫，并且有很多推荐的产品。少年动漫迷会知道，对火影忍者的其他推荐也非常相似，例如Katekyo Hitman Reborn，DBZ，Bleach和Boku No Hero Academia都是非常受欢迎的动作/少年动漫。

动漫电影推荐

我想检查关于动漫和动漫电影的建议是否不同。《火影忍者》是一部动画，也是与它相关的其他动画电影。如果我获得了电影的电影推荐和动漫的电影推荐，则可以认为推荐者正在适当考虑预期内容的类型。令人惊讶的是，尽管采用了一种简单的方法，但推荐人的确能很好地理解电影与动漫之间的区别。首先，检查其中是否包含“火影忍者”的内容，以查看电影的名称。