创建用户向量

该方法用于将用户观看电影的评分信息转换为用户向量。

def create_user_vector(user, movie_vectors):
    user_vector = np.zeros((len(movie_vectors),))
    for j in range(len(user)):
        for i, movie in enumerate(user[j]['watched_movies']):
            if movie in movie_vectors:
                index = movie_vectors.index(movie)
                rating = user['ratings'][i]
                user_vector[index] = rating
    return user_vector

参数：

• user: 用户数据，包含用户观看的电影列表和评分信息。
• movie_vectors: 预定义的电影向量列表，包含所有电影的向量表示。

返回值：

• user_vector: 用户向量，每个元素代表用户对对应电影的评分。

工作原理：

1. 初始化一个与电影向量列表长度相同的零向量作为用户向量。
2. 遍历用户的观看电影列表。
3. 对于每部电影，检查其是否在电影向量列表中。
4. 如果电影存在于电影向量列表中，则获取其索引。
5. 获取用户对该电影的评分。
6. 将评分信息存储到用户向量的对应索引处。
7. 返回生成的用户向量。

使用示例：

# 假设用户数据如下
user = {
    'watched_movies': ['电影1', '电影2', '电影3'],
    'ratings': [4, 5, 3]
}

# 假设电影向量列表如下
movie_vectors = ['电影1', '电影2', '电影3', '电影4', '电影5']

# 创建用户向量
user_vector = create_user_vector(user, movie_vectors)

# 输出用户向量
print(user_vector)

输出：

[4. 5. 3. 0. 0.]

说明：

• 用户向量中的元素与电影向量列表中的电影顺序相对应。
• 用户未观看过的电影在用户向量中对应元素为 0。

该方法可以用于构建基于内容的电影推荐系统，通过比较用户向量和电影向量之间的相似性来推荐用户可能感兴趣的电影。