其实,最主要的只是这样一张图:
- 101,102是每个item的id
- 最左边的大矩阵(记为A),用户的共现矩阵(co-occurrence matrix)。以购买为例子,购买101自己的,5个人;购买了101和102的,3个人…
- 右边的列向量(记为B),用户U3自己的购买记录,比如买了101商品2次,买了104商品4次…
- 矩阵相乘的结果(记为R),就是各商品的推荐度。去除已购买的商品,按得分排序下来。
- 这么理解。以A的第一行为例,表示其他各个商品,与101的关系。再乘以B,即用户已购买的商品,得到的就是101这个商品的评分。
基于这样的逻辑,根据共现矩阵的定义不同,可以有看了又看,看了又买,买了又买等等的解析…