推荐系统中常见的几种相似度计算方法和其适用数据

最新推荐文章于 2024-07-31 22:30:14 发布
最新推荐文章于 2024-07-31 22:30:14 发布
阅读量9.6k 收藏 3
点赞数 3
分类专栏： 个性化推荐 文章标签： 个性化推荐 数据挖掘 算法 互联网 技术
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fengling_AI/article/details/48031959
版权
本文探讨了推荐系统中常用的相似度计算方法，包括共现次数、余弦相似度和皮尔逊相关系数。这些方法在用户评分、隐式反馈等不同数据类型中各有适用。虽然相似度计算对结果影响较小，但选择时要考虑计算效率。
摘要由CSDN通过智能技术生成

在推荐系统中，相似度的计算是一个很重要的课题。而相似度的计算方法多种多样，今天我们来把这些方法比较一下，也为以后做项目留个笔记。其实无论是基于user的cf还是基于item的cf，亦或是基于svd的推荐，相似度计算都是必不可少的一步，只不过cf中计算相似度是一个中间步骤，而svd中的计算是放在最后面的（例如计算最后的余弦夹角）。这篇文章我们以item-cf来举例说明。


共现次数

评价：这是最粗略的一种计算相似度的方法，只需计算待推荐物品与用户之前所选物品之间的共现次数，这个共现次数是从所有用户的角度看的。

适用数据：适合用户有explicit feedback，即用户对物品有评分情况的数据或者是没有explicit feedback的user-item的（1,0）矩阵。


余弦相似度

最低0.47元/天 解锁文章
fengling_AI
关注
专栏目录
推荐算法中的 相似度计算
12-23 2万+
对用户的行为进行分析得到用户的偏好后，可以根据用户的偏好计算相似用户和物品，然后可以基于相似用户或物品进行推荐。这就是协同过滤中的两个分支了，即基于用户的协同过滤和基于物品的协同过滤。       关于相似度的计算，现有的几种方法都是基于向量(Vector)的，其实也就是计算两个向量的距离，距离越近相似度越大。在推荐场景中，在用户-物品偏好的二维矩阵中，我们可以将一个用户对所有物品的偏好作为一个
聊聊推荐系统的相似度计算方法
zylove2010的博客
02-13 1万+
个性化推荐系统的各种推荐算法中，大都会涉及用户或物品间的相似度计算，相似度计算方法也是推荐算法的核心之一，传统的推荐算法（如协同过滤、基于物品的推荐等）采用的相似度计算公式主要有：余弦夹角、欧氏距离、杰卡德系数和皮尔森相关系数等，那么这些方法具体有哪些差异，在推荐算法中该如何选择，下面将着重基于这两个方面进行分析说明。 1）余弦夹角 和 欧氏距离 在向量空间中，任意两点（设为A、B）间的关系可...
相似度计算方法
最新发布
thisiszdy的博客
07-31 1015
相似度计算方法
推荐系统中的相似度计算方法总结及实现代码（python）
但行好事，莫问前程
05-03 2万+
相似度的计算是推荐系统非常重要的环节，包括：用户与用户之间的相似度，物品与物品之间的相似度或者用户与物品的相关性。       下面以在协同过滤中计算两个用户的相似度来介绍几种常用的相似度计算方法。其中有些方法只适用于协同过滤，有些适应于更多其他推荐方法。            1）共同邻居。直接计算两个用户的交集                    2）Jaccard系数。基于共同
推荐系统常用相似度计算方法
benci04wei的博客
05-28 8353
前几天由于面试需要，整理了一些关于推荐系统中相似度计算方法的内容，加上一些自己的理解，总结如下。 1. 欧几里得距离 又称欧式距离。对于任两个用户ui和uj，欧式距离就是计算这两个用户的评分向量在n维向量空间中的绝对距离，计算公式如下： 由公式可以看出，欧式距离就是计算这两个向量的差的模长。例如在下图所示平面直角坐标中，欧式距离就是两个向量表示的两点间的实际距离，这很符合我们的常规思维，即向量表示的两点间的距离越近，那么这两个向量之间就越相似。 实际使用中，我们一般还要进行如下转换:
推荐系统：常用相似度计算方法
SunJerdege
10-12 4440
by 雨水无香        不论是推荐系统，还是搜索引擎，都经常需要比较两个项目之间的相似度。常见的思想是将项目的特征的权值表示为N维空间向量，然后利用代数方法，对两个空间向量之间的距离、夹角等进行度量，从而表示相似度。常用的相似度计算方法有如下几种： 1.1 欧氏
常见文本相似度计算方法简介
lipengyuer的博客
04-25 8225
本文首发于知乎(https://zhuanlan.zhihu.com/p/88938220)，主要介绍了文本相似度计算的基本思路和常用方法。
相似度计算方法的文档。
04-08
相似度计算方法是数据分析和机器学习领域中的重要工具，用于度量两个数据对象之间的相似性或差异性。这里我们讨论几种常见的计算方法：欧氏距离、曼哈顿距离、标准化欧氏距离以及夹角余弦。 1. **欧氏距离**： ...
常用的相似度计算方法原理及实现.pdf
09-04
在实际应用中，选择哪种相似度计算方法取决于数据特性和应用场景。例如，用户肖像匹配可能涉及多种类型的数据，如年龄、性别、购物偏好等，这时可以使用余弦相似度或皮尔森相关系数；图片匹配可能利用像素值计算...
基于用户行为的推荐系统中的内容相似度计算
# 1. 引言 ## 1.1 研究背景 ...这些行为数据蕴含了用户对信息的兴趣和偏好，对于提升用户体验和个性化推荐具有重要作用。 ## 1.2 研究意义 ...首先将介绍用户行为数据的收集和预处理方法，然后介绍用户
距离度量和相似度度量方法，区别和应用场景
luckoovy的博客
08-14 4245
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。 最常见的是数据分析中的相关分析，数据挖掘中的分类（K最近邻（KNN））和聚类（K均值（K-Means））。 当然衡量个体差异的方法有很多，这里整理罗列下。 =============距离度量，越小越相似 1 曼哈顿距离 即曼哈顿街道距离（出租车距离）。向量对应元素差值的绝对值之和。 2 欧氏距...
推荐系统中相似度算法介绍及效果测试
热门推荐
博客内容皆为原创
08-02 2万+
###################### 尊重版权，转载注明地址 ###################### 相似度算法介绍 •相似度算法主要任务是衡量对象之间的相似程度，是信息检索、推荐系统、数据挖掘等的一个基础性计算。下面重点介绍几种比较常用的相似度算法。 •向量表示   通常假设对象X和Y都具有N维的特征，即   X=(x_1,x_2,…x_n)
相似度计算方法总结
菜鸟也疯狂
06-23 1万+
转自：http://blog.sina.com.cn/s/blog_62b83291010127bf.html    在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分 类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。
带你实现电商商品同款识别算法
我的博客
01-11 3977
电商本身就是用户体量非常多的业务场景，也是产生利润最多的一个业务场景。我们如何从淘宝找到同款商品呢？
数据相似度处理功能实现思路与方法
一只小羊的专栏
07-13 6785
最近接到一个需求，需求直接来源于业务的一句话，“找出这堆商品信息里面相似的商品，根据名称判断”。需求看似简单，实则思考起来用技术实现是需要花点心思的。对于这样的需求，首先要有一个思路和思考的过程：1、业务具体想要的是什么？ -- 名称相似度超过一定比例的两个商品可以算成一个或者一组商品，用来后续组合处理2、什么样的数据才算是相似的？ -- 两个名称相似度超过70%，算是描述的同一种商品3、怎么实现...
Spark机器学习：同现相似度矩阵
Javis486的专栏
10-25 9614
同相似度可用于为协调过滤推荐中，查找相似的物品或者用户。下面对同相似度进行简单的定义 物品i和物品j的同相似度公式定义：   其中，分母是喜欢物品i的用户数，而分子则是同时喜欢物品i和物品j的用户数。因此，上述公式可用理解为喜欢物品i的用户有多少比例的用户也喜欢j  (和关联规则类似) 但上述的公式存在一个问题，如果物品j是热门物品，有很多人都喜欢，则会导致Wij很大，接近于1。因此会
推荐系统--基于用户物品的协同过滤示例（使用jaccard相似度）
python收藏家的博客
02-22 761
import pandas as pd import numpy as np users = [f"User{i}" for i in range(1,6)] items = [f"Item{i}" for i in 'ABCDE'] #假设用户购买记录 datasets = [ [1,0,1,1,0], [1,0,0,1,1], [1,0,1,0,0], [0,1,0,1,1], [1,1,1,0,1], ] df = pd.DataFrame(datasets
相似度计算方法解析：从皮尔逊相关到余弦相似度
本文主要介绍了几种常见的相似度计算方法，包括皮尔逊相关系数、欧几里德距离和余弦相似度，这些方法常用于数据的相似度检测，特别是在推荐系统和文本分析等领域。 相似度计算是数据分析和机器学习中的核心概念，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值