推荐算法之SlopeOne算法

1.基本思想

  SlopOne算法也属于协同过滤算法的范畴，它是一种Rating-based算法，即基于评分的协同过滤算法，利用物品间的流行度差异来预测用户对新物品的评分，一共有三种形式，下面将一一介绍。
  在这里我们规定了下面将用得到的符号，以及他的含义。

符号	含义
$u$	对于一个给定用户的不完整的评分数组，称为$evaluation$，即用户对所有物品的评分数组，包括用户未评价的物品
$u_i$	用户对物品$i$的评分
$S_{(u)}$	表示$u$中有评分的物品的合集
$card(S)$	表示集合$S$中元素的个数
$\chi$	表示训练集中所有用户评分数组$u$的集合
$S_i(\chi )$	表示训练集$\chi$中所有包含物品$i$的评分数组

2.基本SlopeOne算法

  我们举个例子来说明该算法的基本步骤

用户\物品	a	b	c	d
A	5	3.5
B	2	5	4	2
C	4.5	3.5	1	4

• Step1：计算Item之间的评分差的均值，记为评分偏差（两个item都评分过的用户）。$$de{v}_{i,j}=\sum _{u\in S_{i,j}(\chi )}\frac{u_i-u_j}{card(S_{i,j}(\chi ))}$$
  b与a：((3.5-5)+(5-2)+(3.5-4.5))/3=1/6
  c与a：((4-2)+(1-4.5))/2=0.75
  d与a：((2-2)+(4-4.5))/2=-0.25
  c与b：((4-5)+(1-3.5))/2=-1.75
  d与b：((2-5)+(4-3.5))/2=1.25
  d与c：((2-4)+(4-1))/2=0.5

• Step2：根据Item间的评分偏差和用户的历史评分，预测用户对未评分的item的评分，我们假设$userA$为$u_A$。 p ( u j ) = ∑ i ∈ S (