如何基于投票记录DataFrame生成用户相似度矩阵

核心思路 #

把长格式的投票数据转换为用户-投票的宽格式矩阵，再对每对用户统计共同投票中响应一致的次数占比，最终生成对角线为1的对称相似度矩阵。

实现步骤 #

假设你的数据集已加载为vote_df，以下是具体代码实现：

1. 数据预处理：转换为宽格式

先将session和sessionvote合并为唯一投票标识，再转成宽格式——每行对应一个用户，每列对应一个投票，单元格存储用户的投票响应：

library(tidyverse)

# 生成唯一投票ID
vote_wide <- vote_df %>%
  mutate(vote_id = paste(session, sessionvote, sep = "_")) %>%
  select(name, vote_id, voter_response) %>%
  pivot_wider(names_from = vote_id, values_from = voter_response)

2. 计算两两用户相似度

借助proxy包自定义相似度计算逻辑，快速生成矩阵：

library(proxy)

# 自定义相似度函数：一致响应次数 ÷ 共同参与投票总数
similarity_fun <- function(x, y) {
  # 筛选双方都参与的投票（排除NA值）
  common_votes <- !is.na(x) & !is.na(y)
  if(sum(common_votes) == 0) return(0) # 无共同投票时相似度为0
  # 统计响应一致的次数
  match_count <- sum(x[common_votes] == y[common_votes])
  # 返回相似度得分
  match_count / sum(common_votes)
}

# 计算相似度矩阵并转换为对称格式
sim_matrix <- as.matrix(proxy::dist(vote_wide[, -1], method = similarity_fun))
# 设置矩阵的行名和列名为用户名
rownames(sim_matrix) <- vote_wide$name
colnames(sim_matrix) <- vote_wide$name
# 将对角线设为1（用户与自身相似度为1）
diag(sim_matrix) <- 1

3. 结果说明

最终的sim_matrix即为目标矩阵：

• 对角线值全为1（用户与自身的相似度固定为1）
• 其他位置为对应两位用户的相似度得分，比如sim_matrix["Tim", "Larry"]会返回示例中的0.66左右的值。

替代实现（Base R版本） #

如果不想依赖第三方包，可手动遍历计算：

# 获取所有唯一用户列表
users <- unique(vote_df$name)
n_users <- length(users)
# 初始化相似度矩阵，对角线默认设为1
sim_matrix <- matrix(1, nrow = n_users, ncol = n_users, dimnames = list(users, users))

# 遍历每一对用户计算相似度
for(i in 1:(n_users-1)) {
  for(j in (i+1):n_users) {
    user1 <- users[i]
    user2 <- users[j]
    # 提取两位用户的投票数据
    u1_votes <- subset(vote_df, name == user1, select = c(vote_id, voter_response))
    u2_votes <- subset(vote_df, name == user2, select = c(vote_id, voter_response))
    # 合并双方共同参与的投票
    common_votes <- merge(u1_votes, u2_votes, by = "vote_id")
    if(nrow(common_votes) == 0) {
      sim_score <- 0
    } else {
      sim_score <- sum(common_votes$voter_response.x == common_votes$voter_response.y) / nrow(common_votes)
    }
    # 对称填充矩阵
    sim_matrix[i,j] <- sim_score
    sim_matrix[j,i] <- sim_score
  }
}

内容的提问来源于stack exchange，提问作者lwe