［推薦演算法］Slope One演算法
阿新 • • 發佈：2019-01-13
和其他類似演算法相比，最大特點是演算法簡單，易於實現，執行效率高
基本概念：
現在 使用者 X，Y，Z都對itemA進行評分，並且X，Y也對itemB進行了評分，那麼Z對itemB的評分應該是多少呢？
根據 Slope One演算法，？= 4 - [( 5 - 10 ) + ( 3 - 6 )] / 2 = 8 解釋一下，X對B的評分比A多5， Y對B的評分比A多3，那麼平均B比A多4分，所以Z的B的評分就是 其對A的評分加上平均值。 很容易理解。找到 所有對 itemA和itemB評過分的使用者，算出rating平均差值，那麼我們就可以估算出只對itemA評分的使用者Z對itemB的評分。從而對使用者進行推薦。 這個演算法還有一個優點，就是當資料量很小的時候，也可以進行較準確的推薦，一定程度上解決了冷啟動的問題。
來看 Weighted Slope One演算法 如果有10個使用者同時對 itemA和itemB打分，100個使用者同時對 itemC 和 itemB 打分，那麼Rating A -> B 和Rating C->B所佔的比重也不一樣 (10* (Za - RatingA->B) + 100 ( Zc - RatingC->B) ) / (10 + 100) = result 舉個例子：
我們要計算使用者Z對B的評分，X和Y都對A和B進行的評分，同時X對C和B也進行了評分 RatingA->B =[ (3-6) + (5-4) ] / 2 = -1， 平均A比B少1分，根據這個側面，Z對A評分為3，算出Z對B的評分為4 RatingC->B = 7-6 = 1, 平均C比B多1分， 根據這個側面，Z對C評分為2，那麼Z對B的評分為1 根據加權Slope One演算法： Z對B的評分 =（ 2 * 4 ＋ 1 ＊ 1）/ ( 2 + 1) ＝3 還有一個BI-polar SlopeOne演算法，是基於使用者對item的喜好（like or dislike）的演算法，還在研究中。
根據 Slope One演算法，？= 4 - [( 5 - 10 ) + ( 3 - 6 )] / 2 = 8 解釋一下，X對B的評分比A多5， Y對B的評分比A多3，那麼平均B比A多4分，所以Z的B的評分就是 其對A的評分加上平均值。 很容易理解。找到 所有對 itemA和itemB評過分的使用者，算出rating平均差值，那麼我們就可以估算出只對itemA評分的使用者Z對itemB的評分。從而對使用者進行推薦。 這個演算法還有一個優點，就是當資料量很小的時候，也可以進行較準確的推薦，一定程度上解決了冷啟動的問題。
來看 Weighted Slope One演算法 如果有10個使用者同時對 itemA和itemB打分，100個使用者同時對 itemC 和 itemB 打分，那麼Rating A -> B 和Rating C->B所佔的比重也不一樣 (10* (Za - RatingA->B) + 100 ( Zc - RatingC->B) ) / (10 + 100) = result 舉個例子：
我們要計算使用者Z對B的評分，X和Y都對A和B進行的評分，同時X對C和B也進行了評分 RatingA->B =[ (3-6) + (5-4) ] / 2 = -1， 平均A比B少1分，根據這個側面，Z對A評分為3，算出Z對B的評分為4 RatingC->B = 7-6 = 1, 平均C比B多1分， 根據這個側面，Z對C評分為2，那麼Z對B的評分為1 根據加權Slope One演算法： Z對B的評分 =（ 2 * 4 ＋ 1 ＊ 1）/ ( 2 + 1) ＝3 還有一個BI-polar SlopeOne演算法，是基於使用者對item的喜好（like or dislike）的演算法，還在研究中。