评分数据处理

有了用户数据和电影数据后，还需要获得用户对电影的评分数据，ml-1m数据集的评分数据在ratings.dat文件中。评分数据格式为UserID::MovieID::Rating::Timestamp，如下图。

评分数据处理 - 图1

这份数据很容易理解，如1::1193::5::978300760 表示ID为1的用户对电影ID为1193的评分是5。

978300760表示Timestamp数据，是标注数据时记录的时间信息，对当前任务来说是没有作用的数据，可以忽略这部分信息。

接下来，读取评分文件里的数据：

  1. use_poster = False
  2. if use_poster:
  3.     rating_path = "./work/ml-1m/new_rating.txt"
  4. else:
  5.     rating_path = "./work/ml-1m/ratings.dat"
  6. # 打开文件，读取所有行到data中
  7. with open(rating_path, 'r') as f:
  8.     data = f.readlines()
  9. # 打印data的数据长度，以及第一条数据中的用户ID、电影ID和评分信息   
  10. item = data[0]
  12. print(item)
  14. item = item.strip().split("::")
  15. usr_id,movie_id,score = item[0],item[1],item[2]
  16. print("评分数据条数：", len(data))
  17. print("用户ID：", usr_id)
  18. print("电影ID：", movie_id)
  19. print("用户对电影的评分：", score)
  1. 1::1193::5::978300760
  2.  
  3. 评分数据条数： 1000209
  4. 用户ID： 1
  5. 电影ID： 1193
  6. 用户对电影的评分： 5

从以上统计结果来看，一共有1000209条评分数据。电影评分数据不包含文本信息，可以将数据直接存到字典中。

下面我们将评分数据封装到get_rating_info()函数中，并返回评分数据的信息。

  1. def get_rating_info(path):
  2.     # 打开文件，读取所有行到data中
  3.     with open(path, 'r') as f:
  4.         data = f.readlines()
  5.     # 创建一个字典
  6.     rating_info = {}
  7.     for item in data:
  8.         item = item.strip().split("::")
  9.         # 处理每行数据，分别得到用户ID，电影ID，和评分
  10.         usr_id,movie_id,score = item[0],item[1],item[2]
  11.         if usr_id not in rating_info.keys():
  12.             rating_info[usr_id] = {movie_id:float(score)}
  13.         else:
  14.             rating_info[usr_id][movie_id] = float(score)
  15.     return rating_info
  17. # 获得评分数据
  18. #rating_path = "./work/ml-1m/ratings.dat"
  19. rating_info = get_rating_info(rating_path)
  20. print("ID为1的用户一共评价了{}个电影".format(len(rating_info['1'])))
  1. ID为1的用户一共评价了53个电影