3月25日
协同推荐:通过相似用户,通过相似物品 来推荐
相似度的计算:①杰卡德相似度(用于布尔型用户-商品矩阵)
相似度 = 交集个数/并集个数
②皮尔森相关系数(用于连续评分的稠密的矩阵)
相关系数计算公式参考《数据分析》
利用相关系数矩阵进行用户评分预测:(例如预测用户a对物品b的评分)
I 基于用户间相似度进行评分预测
预估评分值 = 用户a的前k个相似用户对物品b评分的加权平均值,权值为他们与 用户a的相关系数
II 基于物品间相似度进行评分预测
预估评分制 = 物品b的前k个相似物品的用户a评分的加权平均值,权值为他们与 物品b的相关系数