推荐系统基础(一):基于用户的协同过滤

作者: AryaHooper | 来源:发表于2018-11-14 20:37 被阅读2次

原理

基于用户的协同过滤原理很简单,找到购买喜好相近的用户,把某用户购买的商品推荐给和他相似的用户。比如下表,A和C的购买记录较为相似,则会把A购买了的物品D推荐给用户C

物品A 物品B 物品C 物品D
用户A
用户B
用户C 推荐

算法存在的问题

主要是稀疏问题

  1. 对于一个新用户,很难找到领居用户
  2. 对于一个物品,所有最近的邻居都在其上没有多少打分

针对上诉基础解决方案

  1. 相似度计算最好有皮尔逊相似度
  2. 考虑共同打分物品的数目,如乘上min(n,N)/N n:共同打分数 N:指定阈值
  3. 对打分进行归一化处理
  4. 设置一个相似度阈值,过滤掉部分内容

基于用户的协同过滤在实际应用中用的很少,主要是以下问题:

  1. 稀疏问题,一个用户标签有很多都是空的
  2. 数百万的用户计算量,计算效率低
  3. 人是善变的

相关文章

  • 两种基于邻域的推荐算法

    推荐系统的基本算法:基于邻域的推荐(基于用户的协同过滤、基于物品的协同过滤) http://www.jianshu...

  • Python实现推荐系统

    两种最普遍的推荐系统的类型是基于内容和协同过滤(CF)。协同过滤基于用户对产品的态度产生推荐,基于内容的推荐系统基...

  • 算法笔记(2)-推荐系统之协同过滤算法

    本节讲述推荐系统之协同过滤算法,协同过滤算法包括两类,一种基于用户的协同过滤算法,另外一种基于项的协同过滤算法。 ...

  • 协同过滤算法(UserCF + ItemCF)

    最近在看《推荐系统实践》这本书,对于其中 2.4.1 基于用户的协同过滤算法和 2.4.2 基于物品的协同过滤算法...

  • Mahout | 协同过滤算法

    协同过滤 基于用户的协同过滤,和基于物品的协同过滤Item CF适用于电子商务网站的推荐系统User CF适用于新...

  • 基于邻域的算法(协同过滤)和内容过滤算法

    基于用户行为分析的推荐算法是个性化推荐系统的重要算法,一般将这种算法成为协同过滤算法。协同过滤,就是用户可以齐心协...

  • 相似度计算方法:余弦相似度

    最近接触到了推荐系统 ,在这个专题中,和大家分享一下自己的收获和心得。 基于用户的协同过滤算法 基于用户的协同过滤...

  • [推荐系统]利用用户行为数据

    基于用户行为分析的推荐算法是个性化推荐系统的重要算法,一般将这种类型的算法称为协同过滤算法。协同过滤就是指用户可以...

  • 基于用户的协同过滤和皮尔逊相关系数

    基于用户的协同过滤和皮尔逊相关系数 概念: 基于用户的协同过滤算法:就是把和你相似的用户喜欢的东西推荐给你。 协同...

  • 推荐系统-Item Based CF代码实例

    前边我们已经简单介绍了基于内容的推荐系统CB和基于协同过滤的推荐系统CF,今天我们就来看一个基于协同过滤中的基于物...

网友评论

    本文标题:推荐系统基础(一):基于用户的协同过滤

    本文链接:https://www.haomeiwen.com/subject/pnksfqtx.html