隐式Python库中的空白结果以获取建议

我正在使用Python隐式库（）希望为我的用户群生成一些产品建议。我的用户群中有13000个产品视图的数据。我已将此数据提取到csv中，如下所示：

user_id, 1, 2, 3
1, 0, 1, 0
2, 1, 1, 0
3, 0, 0, 1

上面我的csv在顶部有产品标识，在左侧有用户标识，用于行中的第一列。每个用户的1或0反映了用户是否查看了该产品id。以下是我迄今为止尝试生成推荐的代码：

import implicit
import pandas as pd
import scipy.sparse as sparse

data = pd.read_csv('data/interactions_matrix.csv')
interactions = sparse.csr_matrix(data.to_sparse().to_coo())

# initialize a model
model = implicit.als.AlternatingLeastSquares()

# train the model on a sparse matrix of item/user/confidence weights
model.fit(interactions)

user_ids = [1,2,3]

# recommend items for a user
for user_id in user_ids:
    print(user_id)
    print(model.recommend(user_id, interactions))

---

不幸的是，当我运行结果时，我得到的只是一堆空白数组，这让我觉得我显然做错了什么。我猜这是我正在导入的数据的格式，但我很难找到有关示例数据格式的信息来读入库中

当加载这样的数据时，您的交互矩阵仍然为每个项目/用户对都有一个条目-对于这个库，这表示每个用户都喜欢每个项目。默认情况下，推荐调用删除已经喜欢的项（使用filter\u ready\u liked\u items参数），导致结果像您看到的那样是空数组-但这也意味着您训练的模型也不会有任何效果

---

您应该调用

交互。在拟合模型之前，消除_zeros（）

以删除零项。此外，与使用CSV格式的密集矩阵并转换为coo相比，只列出三个itemid/userid/value可能更容易，谢谢！在做了这些更改之后，我能够生成一些结果，当运行上面的代码时，我遇到了一件事，就是在迭代我的用户id时出现了“IndexError:index（1121）超出范围”，这些应该是索引而不是实际的用户id吗？同样返回的结果（17，0.038822174），这是产品或产品id的索引吗？