推荐系统笔记
常用推荐算法:
1.基于用户的协同过滤(UserCF)
2.基于商品的协同过滤(ItemCF)
3.基于商品内容的推荐
4.基于机器学习的推荐
5.混合模型
基于用户的协同过滤:
根据用户的兴趣相似度进行推荐,给用户推荐和其有相似兴趣用户喜欢的商品,举个例子:用户A对物品{a, b, d}有过行为,用户B对物品{a, c}有过行为,利用余弦相似度公式计算用户A和用户B的兴趣相似度为:
推荐算法:
S(u, K)包含和用户u兴趣最接近的K个用户,N(i)是对物品i有过行为的用户集合,wuv
是用户u和用户v的兴趣相似度,rvi代表用户v对物品i的兴趣程度(如用户对电影评分越高,兴趣程度越高)
算法实现:
第一步:建立物品和用户的的倒排索引