协同过滤算法代码实现

协同过滤算法是一种基于用户行为数据的推荐算法，主要分为基于用户的协同过滤和基于物品的协同过滤。下面是一个简单的基于用户的协同过滤算法代码实现示例：

# 用户评分数据
user_ratings = {
    'User1': {'Item1': 3, 'Item2': 1, 'Item3': 5},
    'User2': {'Item1': 4, 'Item2': 2, 'Item3': 5},
    'User3': {'Item1': 3, 'Item2': 4, 'Item3': 2},
    'User4': {'Item1': 5, 'Item2': 3, 'Item3': 1}
}

# 计算用户之间的相似度
def calculate_similarity(user_ratings):
    similarity = {}
    
    for user1 in user_ratings:
        similarity[user1] = {}
        for user2 in user_ratings:
            if user1 != user2:
                # 计算用户之间的皮尔逊相关系数
                common_items = set(user_ratings[user1].keys()) & set(user_ratings[user2].keys())
                n = len(common_items)
                
                if n > 0:
                    sum1 = sum([user_ratings[user1][item] for item in common_items])
                    sum2 = sum([user_ratings[user2