基于用户的协同过滤算法

看了Mahout的基于用户的协同过滤算法的实现

推荐主要包含以下步骤：

1、根据用户对于物品的已有偏好值，计算各个用户之间的相似度（如，皮尔逊相关系数）

2、获取当前用户的最相似的N个用户

3、获取当前用户没有给出偏好的，N个用户已给出偏好的物品集合

4、通过(SUM(当前用户偏好值x与当前用户相似度)/总相似度)计算物品对于N个用户的平均偏好

5、获取TopN个物品作为用户的推荐结果返回

评分的主要步骤：

1、根据用户对于物品的已有偏好值，计算各个用户之间的相似度（如，皮尔逊相关系数）

2、获取当前用户的最相似的N个用户

3、将数据集分为训练集和验证集

4、使用训练集，通过(SUM(当前用户偏好值x与当前用户相似度)/总相似度)计算物品对于N个用户的平均偏好，即预测值

5、与验证集进行比较，计算验证集与预测值偏好的差值的平均值

计算准确率、召回率、散落率

1、根据当前用户的物品的偏好，确定阈值（偏好均值+偏好标准差）

2、获取当前用户大于阈值的好的物品个数

3、根据其他用户的物品和当前用户的非好物品，计算at个推荐物品（见上推荐的步骤）

4、求2中个数和3中个数的交集，计算准确率、召回率、散落率