基于物品的协同过滤

算法描述

基于物品的推荐算法就是根据物品之间的关系做推荐。具体做法是：针对目标用户 A ，根据他历史喜欢的物品 A、B、C、D，推荐出与他喜欢物品相似的物品。

具体思路

1.计算物品相似度

Jaccard 如下计算，分子表示同时喜欢 物品A 和 物品B 的用户数，分母表示喜欢物品A的用户与喜欢物品B的用户的并集

余弦相似度计算如下，A 向量表示喜欢 物品A 的用户id向量 B向量表示喜欢 物品B 的用户id向量

2. 根据用户历史行为生成推荐列表

获取待推荐目标用户点击、订阅、购买的物品列表，找到与目标用户历史点击、订阅、购买的书籍相似度较大的topN本书籍，给点击、订阅、购买行为进行人为增加不同权重，最后计算得到待推荐书籍的打分，取topN作为推荐结果