题目内容

你是一家视频网站的数据工程师，公司希望为用户提供个性化的电影推荐，以提升用户的观看体验。团队决定采用基于协同过滤的推荐算法，通过分析用户的历史评分数据，找出与目标用户兴趣相似的其他用户，进而推荐他们喜欢的电影。你的任务是编写一个程序，基于用户的评分数据，实现一个简单的用户协同过滤推荐系统。

请你帮助团队实现一个使用$NumPy$库的程序，基于协同过滤算法为指定用户生成电影推荐列表。具体要求如下: 1.读取输入数据集，包含$(N)$个用户对$(M)$部电影的评分矩阵，评分范围为$1-5$的整数,未评分记为$0$。

$2$.读取目标用户的编号$(U)$，对其进行电影推荐。

$3.$计算用户之间的相似度，使用皮尔逊相关系数$(Pearson CorrelationCoefficient )$。

题解

题面描述

给定一个包含 $N$ 个用户对 $M$ 部电影评分的矩阵，评分范围为 $1$ 到 $5$ 的整数，未评分用 $0$ 表示。要求对指定的目标用户 $U$，基于用户协同过滤算法，推荐其尚未评分的电影中最可能喜欢的前 $T$ 部电影。

• 输入：
  1. 第一行包含两个整数 $N$ 和 $M$，分别表示用户数量和电影数量。
  2. 接下来的 $N$ 行，每行包含 $M$ 个整数，表示用户对每部电影的评分，未评分记为 $0$。
  3. 接下来一行包含一个整数 $U$，表示目标用户的编号（从 $0$ 开始）。