2、前奏之基于用户的协同过滤算法：UserCF

标签：模型   推荐算法   列表   img   src   image   use   交互   矩阵   

仅仅基于用户行为数据设计的推荐算法一般称为协同过滤算法，方法有：

• 隐语义模型
• 基于图的随机游走算法
• 基于邻域的方法：应用最广泛
  • 基于用户的协同过滤算法：给用户推荐和他兴趣相似的其他用户喜欢的物品
  • 基于物品的协同过滤算法：给用户推荐和他之前喜欢的物品相似的物品　

两步走：

1. 找到和目标用户兴趣相似的用户的集合
2. 找到这个集合中的用户喜欢的，且目标用户没有听过的商品推荐给目标用户

一、找到和目标用户兴趣相似的用户的集合

1、关键是计算两用户的兴趣相似度，主要利用行为的相似度计算兴趣相似度

• jiacard相似度计算

• 余弦相似度计算：常用

• 余弦相似度改进：对商品流行度惩罚，商品越流行，对相似度贡献值越低

2、计算用户的相似度矩阵

二、找到这个集合中的用户喜欢的，且目标用户没有听过的商品推荐给目标用户

1、计算用户u对物品i的偏好值，

1. 在相似度矩阵中按照相似度对用户u关联的用户字典降序排列
2. 取出前K个用户
3. 取出和商品 i 用过交互的用户的列表或集合
4. 取2和3的交集
5. 对相似度和偏好值累加求和

2、计算推荐列表

2、前奏之基于用户的协同过滤算法：UserCF

标签：模型   推荐算法   列表   img   src   image   use   交互   矩阵   

原文地址：https://www.cnblogs.com/lybpy/p/9821750.html