metric_base.rb

# encoding: utf-8

class Recommendations::Metrics::MetricBase
  # элемент в списке, но без оценки
  NotRated = -1

  def initialize(klass)
    @klass = klass
  end

  def learn(user_id, user_rates, all_rates)
    @all_rates = all_rates
    @user_rates = user_rates
  end

  def predict(user_id, minimum_votes, without_user_rates)
    totals, votes, similarities_sum = Rails.cache.fetch cache_key(user_id,  without_user_rates), expires_in: 2.weeks do
      calculate user_id, minimum_votes, without_user_rates
    end

    # normalized list of items
    rankings = totals.each_with_object({}) do |v,memo|
      id,total = v.first, v.second
      memo[id] = total / similarities_sum[id] if votes[id] > minimum_votes
    end
  end

private
  def calculate(user_id, minimum_votes, without_user_rates)
    totals = {}
    votes = {}
    similarities_sum = {}

    @all_rates.each do |sampler_id, scores|
      # себя не надо учитывать
      next if without_user_rates && sampler_id == user_id

      # получение похожести
      similarity = compare user_id, @user_rates, sampler_id, @all_rates[sampler_id]

      # нулевую похожесть не учитываем (отрицательную так же - Pearson)
      next if similarity <= 0

      scores.each do |id,score|
        # рекомендовать будем только то, чего у пользователя не в списке
        next if without_user_rates && @user_rates.include?(id)
        # не поставленные оценки не учитываем
        next if score == NotRated
        #raise 'unexpected NotRated score' if score == NotRated

        # счётчик голосов
        votes[id] = (votes[id] || 0) + 1

        # similarity * score
        totals[id] = (totals[id] || 0) + score * similarity

        # sum of similarities
        similarities_sum[id] = (similarities_sum[id] || 0) + similarity
      end
    end

    [totals, votes, similarities_sum]
  end

  def cache_key(user_id, without_user_rates)
    "#{self.class.name}_#{user_id}_#{without_user_rates}"
  end
end