推荐算法

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