关于jvm的面试题协同过滤推荐算法(1)，内含福利

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