1.例子解析(item協同過濾)

      1.1推薦思路

         假如有A,B,C,D四個使用者,且每個使用者對a,b,c,d四個專案有過點選瀏覽,關係圖如下:

        首先該演算法的基本思想是協同過濾,協同過濾的方式是基於使用者行為的,如果喜歡兩個物品的使用者重合度更高,兩個物品也就更加的相似,即使用者重合度的高低是決定物品相似度的高低.

        如圖,我們假設使用者A對suv有興趣,那麼該使用者就會瀏覽多品牌suv作為對比,所以通過使用者A的瀏覽記錄,我們就知道這些產品是相似的suv產品,但是這樣的資料太過於片面,所以我們需要更多的使用者的瀏覽記錄作為參考:

                 使用者B既喜歡suv又喜歡轎車,基本是車就看.

                 使用者C主要喜歡suv但偶爾也看轎車.

                 使用者D主要喜歡轎車但偶爾也看suv.

假如此時要給使用者C推薦,根據使用者C之前的瀏覽記錄b,c,d,查詢b,c,d的瀏覽使用者,並尋找出重合度最高的商品,圖那麼關係圖如下: 

從圖中可以看出,商品d與a的使用者重合度最高,所以此時可以先使用者C推薦商品a;

      1.2數學公式

      協同過濾的數學公式(物品相似度矩陣):

的溫度穩定