推荐系统（基于关联规则和基于协同过滤）

最新推荐文章于 2023-03-08 02:00:00 发布

hesujiao

最新推荐文章于 2023-03-08 02:00:00 发布

阅读量1.8k

点赞数 1

分类专栏：机器算法文章标签：推荐系统协同过滤

本文链接：https://blog.csdn.net/hesujiao/article/details/103110033

版权

本文探讨了推荐系统的两种方法：基于协同过滤的推荐，包括基于用户和物品的协同过滤，详细阐述了算法原理及Python实现；此外，还介绍了基于关联规则的推荐系统，如Apriori算法的工作流程，分析了支持度、置信度和提升度，并提供了Python代码示例。

摘要由CSDN通过智能技术生成

基于协同过滤的推荐系统

基于用户的协同过滤

算法原理

① 找到和目标用户兴趣相似的用户集合，三种常用的用户相似度指标是皮尔逊相关系数、余弦相关系数和杰卡德相关系数
在这里插入图片描述
② 根据用户相似度和相似个K个用户的得分，加权计算分数，得到目标用户对商品的评分

③找到这个集合中的用户所喜欢的，并且目标用户没有听说过的物品推荐给目标用户。

注意：各相似用户的评分应该减去均值进行计算，最终代入目标用户的均值+加权得分为目标用户的得分

python实现代码：

#构建一个基于用户的推荐
def Recommendation_mean(uid,iid,similar,k=10):
    """减去平均数的计算方法"""
    score = 0
    weight = 0
    user_id_action = freq_matrix[uid,:]      #用户user_id 对所有商品的行为评分  
    item_id_action = freq_matrix[:,iid]      #物品item_id 得到的所有用户评分  

    user_id_similar = similar[uid,:]      #用户user_id 对所有用户的相