推荐算法集合

推荐算法集合

之前写过一个楼盘的推荐算法，感觉设计还是还蛮不错的，但是有一个缺点就是可以作为的参考的参数，太少，在前面的推荐算法中，只有一个userid和projectid的两个维度的。不是很合理，现在我希望添加更多的参考属性。

推荐算法大致基类

• 基于流行度的算法
• 协同过滤算法
• 基于内容的算法
• 基于模型的算法
• 混合算法

基于流行度的算法

基于流行度的算法非常简单粗暴，类似于各大新闻、微博热榜

协同过滤算法

collaborative filtering 是一个很常用的一种算法，CF算法包括基于用户的CF和基于物品的CF。

基于用户的CF原理如下

• 分析各个用户对item的评价(通过浏览记录、购买记录等)
• 依据用户对item的评价计算得出所有用户之间的相似度
• 选出与当前用户最相似的n个用户
• 将这N个用户评价最高并且当前用户又没有浏览过的item推荐给当前用户

基于物品的CF原理

• 分析各个用户对item的浏览记录
• 依据浏览记录分析得出所有item之间的相似度
• 对于当前用户评价高的item，找出与之相似度最高的N个item
• 将这N个item推荐给用户

Similary
Cosine Similary cos=a/c cos=a^2+b^2-c^2/2ab
cos=a*b/||a||*||b||

聚一个例子，来说明余弦计算文本相