很明显,我们首先会推荐D商品,其次是C商品,再后是其余商品
当然我们也可以采用其他的推荐度计算方法,但是我们一定会使用得到的相似度0.3和0.4,也即一定是进行加权的计算。
基于用户的协同推荐算法的步骤可以总结为:
1.计算其他用户的相似度,可以使用反查表除掉一部分用户
2.根据相似度找到最相似的K个用户
3.在这些邻居喜欢的物品中,根据与你的相似度算出每一件物品的推荐度
4.根据相似度推荐物品
四、基于物品的协同过滤算法(item-based collaborative filtering)
基于物品的协同过滤算法(简称ItemCF 算法)主要分为2个步骤:
-
1)计算物品之间的相似度;
-
2)根据物品的相似度和用户的历史行为给用户生成推荐列表;
其中,关于物品相似度计算的方法有夹角余弦、杰卡德(Jaccard)相似系数和相关系数等。
将用户对某一产品的喜好或者评分作为一个向量,例如用户对产品1的评分为
,对产品m的评分或者喜好程度为
其中m为物品,n为用户数
计算各个物品之