在前提条件我们是基于item的cf的条件下,除了上篇所说的方式来计算相似度
还可以基于knn来计算物品的相似度
基于knn的物品相似度的评分预测也是非常常见的一种推荐技术。
也就是说,我们假设用户1对项目1打分有可能是5,4,3,2分,那么我们就统计其他用户对项目1的打分,打5分的多少,打4分的多少,直到把所有离散值都穷举到。
当然无论用户1的邻居好友打多少分,这些好友和用户1都有一个相似度,我们要把这个相似度给弄进去考虑
就是说,如果用户1和用户2的相似度0.65,而用户2对这个item的打分是5分,其他用户都没有打过5分,那么V(5)=1*0.65
同理V(3)有可能=1*0.54+1*0.49=1.03
那么r = 3
所以说KNN的思想就是少数服从多数的意思。
基于knn的评分预测,也就是一种基于分类的评分预测方法。
就比如说你有两个好朋友今晚要去看电影,那么我就预测你今晚要去看电影。
knn的核心思想就是选举。