1.3.1　數據預處理

本部分包括數據集獲取和數據預處理。

1．數據集獲取

MovieLens 1M數據集包括6000個用戶對4000部電影的1億條評論。下載地址為：http://files.grouplens.org/datasets/movielens/ml-1m.zip。數據集分為用戶數據、電影數據和評分數據。相關代碼如下：

成功下載并提取數據集的提示信息如圖1-4所示。

2．數據預處理

本數據集由3個文件構成，不同文件內數據的格式不同，需要不同的方法對其進行預處理，如圖1-5所示。

電影ID（Movie ID）本身為數字不用處理，電影類別（Genres）是分類字段，需要轉換為數字。首先，將Genres中的類別轉換成字符串到數字的字典；其次，將每個電影的Genres字段轉換成數字列表，因為有些電影是多個Genres的組合。去掉電影名稱（Title）中的年份，方法與類別字段一樣，創建文本到數字的字典；最后，將Title中的描述轉換成數字的列表。

注意：Genres和Title字段長度應統一，以便于在神經網絡中處理，不足部分用數字填充。相關代碼如下：

經過預處理后的電影數據如圖1-6所示，全部由數字組成，便于處理。