1.推荐算法之协同过滤算法
1.0推荐系统流程
推荐系统的流程是什么?
流程就是: 要给A进行推荐,那么找到与A最相似的前K个用户 ,然后取他们前TOPN个物品进行召回去重,然后进行排序,把结果存储到一个数据库里。及时推荐给A
- 现实场景中用户和用户观看的电影往往不会一一对应上,在计算相似度时,均值计算时可选用的是:
- 1>用户评分所有值求平均值
- 2>用户与用户交集的均值
我们通常选用1 ----原因
- 1>如果我们选用2。每一个交集都得计算一次均值,为了减少计算量
- 2>选用1时与效果2不会有太大的误差。
1.1协同过滤推荐方法CF理论基础
基于记忆的协同过滤主要分为:
相似统计方法得到具有相似兴趣爱好的用户
基于模型的协同过滤主要分为:
先用历史数据得到一个模型,在用此模型进行预测。基于模型的推荐广泛应用使用的技术包括神经网络技术、潜在语义LFM分析、贝叶斯网络聚类算法模型、分类算法模型、回归算法模型、矩阵分解模型、神经网络模型图模型、隐语义模型
1.1关系矩阵相似度推荐
在推荐系统中,“关系”是用关系矩阵的形式来创建和存储下来的。以视频推荐为例,可以归纳为用户关系矩阵U-U矩阵、视频(物品)关系V-V矩阵和用户-视频(物品)关系U-V矩阵。
基于记忆的协同过滤主要是依赖于对U-U矩阵和V-V矩阵处理分析,通过相似度计算得到用户相似度和视频或物品相似度,并在此基础上形成推荐结果。
1.1.1U-U矩阵相似度推荐-Pearson