首先，给定一群用户，用这群用户对物品评分的方差度量这群用户兴趣的一致程度。如果方差很大，说明这一群用户的兴趣不太一致，反之则说明这群用户的兴趣比较一致。令σu∈U ' 为用户集合 U' 中所有评分的方差， 基本思想是通过如下方式度量一个物品的区分度 D(i):
其中，N+(i)是喜欢物品 i 的用户集合，N-(i)是不喜欢物品 i 的用户集合，N(i) 是没有对物品i 评分的用户集合。也就是说，对于物品 i ，将用户分成 3 类——喜欢物品 i 的用户、不喜欢物品 i 的用户和不知道物品 i 的用户（即没有给 i 评分的用户）。如果这 3 类用户集合内的用户对其他的物品兴趣很不致，说明物品 i 具有较高的区分度。
算法首先会从所有用户中找到具有最高区分度的物品 i ，然后将用户分成 3类。然后在每类用户中再找到最具区分度的物品，然后将每一类用户又各自分为 3 类，也就是将总用户分成 9 类，然后这样继续下去，最终可以通过对一系列物品的看法将用户进行分类。而在冷启动时，我们从根节点开始询问用户对该节点物品的看法，然后根据用户的选择将用户放到不同的分枝，直到进入最后的叶子节点，此时我们就已经对用户的兴趣有了比较清楚的了解，从而可以开始对用户进行比较准确地个性化推荐
网友评论