推荐的大致方式:
购买该商品的用户还购买了。。。
与该商品类似的商品。。。
你可能认识的其他用户。。。
和你类似的其他用户。。。
基于项目分析:与特定商品相似的商品
基于用户分析:找出与特定用户相似的用户,(类似的用户资料,购买,浏览历史等),然后将相同的商品推荐给类似的用户
这两种方法都需要有一个相似矩阵的计算,基本方法有3种:
协同计算:
基于用用户评级和其他用户的行为,用相似行为的用户喜好与购买商品进行推荐。(人的口味会变吗?过去喜欢类型的电影,现在是否还喜欢)
(需要大量的数据,第一个版本中不能有)
(觉得这样是不是还有问题,如果就评分而言,用的用户比较苛刻,而有的用户比较宽容,简单来说,豆瓣用户和猫眼用户对同一部电影的态度一样,但是评分也可能不一样)
基于内容的过滤:
使用属性描述商品,(类目,品牌,价格,尺码,颜色,图片。。。。。。),然后找出类似的商品,可以用余弦距离或者皮尔逊相关系数,测量商品的距离ÿ