目录
1.基于相似度的推荐算法
2.基于矩阵分解的推荐算法
3. 基于贝叶斯的行列分解推荐算法
4.由矩阵分解的高斯过程的非线性扩展
1.基于相似度的推荐算法
用户的相似度:
相似用户的加权平均值:
:用户n与用户
的相似度
:用户n评分向量
:用户n对商品m的评分
:用户n对商品m有无评分,
1有评价,0无评价
:用户n的相似用户集合
相似度推荐方法的一些问题:
不知道以何种形式如何定义相似度,用户间的相似度、商品间的相识度,类似度的计算方式(相关系数、cosine、jaccard )、虽然通过尝试不同方式计算选择最优计算方式,但是根据数据的不同,最佳相似度也不同。
为了减小评价分的误差,引入二乘误差
:估计评价分