8.4协同过滤

• Collaborative Filtering

  

  • 协同过滤：很多人在一起听听大家的意见，即看与某人品味相近的人会有什么喜好
  • 基本思想：
    • 一开始要做一个打分矩阵 ：每一行代表了一个用户，每一列可以理解为一个商品
    • 矩阵中每一个元素的值可以是是否喜欢某商品，或对某商品打分的分值
    • 因为商品可能有几千几万个，但是每个人只买较少商品，所以矩阵可能非常稀疏
    • 根据矩阵可以推测、填充缺失值部分（到底是喜欢还是不喜欢，打几分）
  • 分为两部分
    • 1.Memory-Based CF
    • 2.Model-Based CF
  • 协同过滤中，天生容易受到影响的因素
    • Grey Sheep：例如某人的音乐品味就是和别人差别特别大 ，所以很难用CF推测
    • Shilling Attack：类似刷好评，恶意差评，由此使用CF基于已有的数据做判断会大大影响计算结果的精准度
    • Cold Start：刚接触某网站，根本没有数据支持（新商品没有被打分，新用户没有给任何商品打分），无法做出合理判断
• User—Based CF（找行和行之间的关系）

  

  

  • U：代表User
  • I：代表Item
  • W：相关性计算。找到与某用户有比较好相关性的一些人（正相关、负相关），以他们对商品的打分作为猜测依据
• Item-Based CF（找列和列之间的关系）

  

  • W：相关性计算。找到与第i个商品有较好相关性的商品
  • 不同的实现方法

    

    • deviation：偏离、偏差
  • Item-Based CF（例子）

    

    • Slope one(斜坡算法)
      • 是一种基于项目（Item-based）的协同过滤推荐算法。 Slope one 具有简单和高效的特点，但是忽略了项目评价数目的影响。
• Model_Based CF

  

  • 前面的计算都是在数数，能不能转化为模型
  • 思路：
    • 红线上方为标签，下方为输入，从而转换为分类问题
    • 例如I1的输入为4、3、4、2时最后标签为4
  • 方法：使用Naive Bayes分类器预测1-5，5个标签哪一个标签最有可能，哪一个标签的后验概率最大
  • 计算

    

    • 用到了“拉普拉斯平滑”
  • 其他例子

    

    • 喜欢：“10”
    • 不喜欢：“01”
    • 缺失：“00”