协同过滤算法有多个方法实现,基于邻域算法、隐语义模型、基于图的随机游走等
基于邻域算法公认效果较好的算法,分以下2类:
基于用户协同过滤---推荐有共同爱好者喜欢的物品
基于物品协同过滤---推荐历史物品相似的物品
一:基于用户协同过滤
场景:

用户 | 商品A | 商品B | 商品C | 商品D |
---|---|---|---|---|
U1 | √ | √ | ||
U2 | √ | √ | ||
U3 | √ | √ | √ |
分析:
U1为目标用户,用户相似度集合为{ U3 }
所以推荐itemD =》 U1
理论:
1、找到与目标用户兴趣相投的用户集合
2、找出集合用户喜欢的物品,且目标用户没有的推荐给他
step1:找到与目标用户兴趣相投的用户集合(用户相似度)
-
余弦相似度
cos(A,B).png
-
Jaccard系数
jaccard.png
3.泊松相关系数
step2.
正排 => 倒排 => UU矩阵
倒排的意义:用户之间很多商品并没有交际

网友评论