2、前奏之基於用戶的協同過濾算法:UserCF
阿新 • • 發佈:2018-10-20
協同 之前 找到 user 常用 商品推薦 分享圖片 相似度計算 image
僅僅基於用戶行為數據設計的推薦算法一般稱為協同過濾算法,方法有:
- 隱語義模型
- 基於圖的隨機遊走算法
- 基於鄰域的方法:應用最廣泛
- 基於用戶的協同過濾算法:給用戶推薦和他興趣相似的其他用戶喜歡的物品
- 基於物品的協同過濾算法:給用戶推薦和他之前喜歡的物品相似的物品
兩步走:
- 找到和目標用戶興趣相似的用戶的集合
- 找到這個集合中的用戶喜歡的,且目標用戶沒有聽過的商品推薦給目標用戶
一、找到和目標用戶興趣相似的用戶的集合
1、關鍵是計算兩用戶的興趣相似度,主要利用行為的相似度計算興趣相似度
- jiacard相似度計算
- 余弦相似度計算:常用
- 余弦相似度改進:對商品流行度懲罰,商品越流行,對相似度貢獻值越低
2、計算用戶的相似度矩陣
二、找到這個集合中的用戶喜歡的,且目標用戶沒有聽過的商品推薦給目標用戶
1、計算用戶u對物品i的偏好值,
- 在相似度矩陣中按照相似度對用戶u關聯的用戶字典降序排列
- 取出前K個用戶
- 取出和商品 i 用過交互的用戶的列表或集合
- 取2和3的交集
- 對相似度和偏好值累加求和
2、計算推薦列表
2、前奏之基於用戶的協同過濾算法:UserCF