目录
注:北大刘宏志老师的《推荐系统》课程学习,图片来源于课程PPT和参考书籍
1.协同过滤算法分类:
2.协同过滤算法步骤
-
收集数据
-
基于邻域或者训练模型
-
计算推荐结果
3.基于用户的协同过滤 TOP-N
假设:与我兴趣相似的用户喜欢的项目,我也喜欢。
用户相似度:
计算对项目的兴趣度:
基于用户的协同过滤算法:
改进算法IUF:
假设:冷门项目更能体现用户相似度
4.基于项目的协同过滤 TOP-N
假设:过去喜欢某项目,未来还喜欢
项目相似度:
计算感兴趣度:
基于项目的协同过滤系统:
算法改进:
5.基于用户的协同过滤评分预测
使用余弦相似度不合理,只用绝对相似而忽略了相对的相似度。应该使用皮尔逊相似度。