推荐系统入门

一 论文/方法

1、paper：Amazon.com:Recommendations:Item-to-Item Collaborative Filtering（I to I）

文章归纳了2003年为止的3种推荐系统，并提出一种新的推荐系统

3种推荐系统对比

名称	简介	优劣点	特点
协同过滤	1、比较用户与用户之间的相似程度。即：A = [Item0,0,……,0,Itemk],B = [Item0,1,……,0,Itemn]，如果A和B的余弦值较大，认为A和B相似，维护一个usr to usr的矩阵。 2、排序item，指标为：多少相似的usr买了这款item并进行推荐。	随规模增加，伸缩性(Scalability)较差； 可以给用户推荐新产品，很难解释用户为什么喜欢产品。	每个向量×一个归一化系数：usr买了n件商品，系数为1/n
基于聚类	1、无监督学习把用户分类成若干类。 2、第二步和上述协同过滤相同。	伸缩性强于前者；但如果需要好的表现，需要online数据，代价高昂。
基于路径	如果A用户买了教父的DVD，会（根据作者、艺术家、导演等特征开始推理）把作者的其他作品推荐给他。	在数据量小的时候表现好；但无法推测“下一个心头好”，只能推荐已经喜欢过的产品类型

作者提出的协同过滤是Item-to-Item的过滤。这种过滤依然是基于COS值，和前者协同过滤相比，这种协同过滤是把A = [usr1,usr2,0,0,0,0……,usrk],B = [usr0,1,0,0,……,usrn]，相比用户，这个的向量长度是用户数目，低于协同过滤的向量长度（物品数量）。维护一个item to item的离线矩阵。

比如A产品和B产品相似，用户买过A产品，那么给用户推荐B产品。缺点：无法给用户推荐新产品。

2、KNN（K-nearest neighbor）协同过滤算法

                

3、Item - based  Collaborative Filtering Recommendation Algorithm

        文章提出两个指标，两个指标在现实场景中都具有真实的意义。

        Prediction-根据每个用户，对item的喜好程度，定义一个矩阵or向量。如，item = [0,4,2,1,....5] 代表usr0对其喜好程度为0，usr1对其喜好程度为4，以此类推。

        Recommendation-给每个用户推荐他尚未买过的K件商品。

        整个系统分两步骤：

        步骤一：计算item相似程度。给了3种计算方法：

                                

         法1：直接计算cos值。i和j向量代表所有usr在item_i和item_j的喜好程度，是个Rating score形成的向量。

 

         法2：Ru,i代表第u个用户在第i个产品的喜好程度。这其实也是个cos值的公式，但i向量是原i向量- avg(Ri)，j向量是原j向量-avg(Rj)

 

        法3：仍然是cos值公式，i向量是原i向量- avg(Ru)，j向量是原j向量-avg(Ru)

       步骤二：计算Prediction

        提供两种办法：

        法1：用户对第i个物品的Prediction计算方法为，（i物品和所有物品的相似程度*所有物品的Rating score）/(i和所有物品的相似程度)

         法1是一种加权计算方法，把其他物品的喜好程度按权重加分在本物品上。

        法2：是法1的改进，不再直接使用R_u,N，而是使用法2的公式对R_u,N进行线性回归后计算出数值。α和β是由rating向量确定的参数，e是错误率。

        步骤三：真实场景中的模型修正。对每个item，步骤1里similarity是找k个最相似的进行后续计算。

        个人思考：可以找K个最相似的，或者按某个阈值找若干个，或者由于数据的问题无法找到合适的推荐。