推荐算法啊

协同过滤推荐算法 - 知乎 (zhihu.com)

协同过滤

原理：

过群体的行为来找到某种相似性(用户之间的相似性或者标的物之间的相似性)，通过该相似性来为用户做决策和推荐。

关于用户简历上的偏好相同，推荐相似的职位；关于其他用户职位的喜好相关性，推荐相关的职位

核心：

怎么计算职位之间的相似性，用户之间的相似性

可以采用“矩阵”，里面的元素代表某用户对某职位的评分（或者隐式反馈，如是否具备该职位所需要的技能，是否对该职位感兴趣，对不同类型的数据赋予不同的权重），

行向量：某个用户对推荐职位的评分。

列向量：所有用户对某个职位的评分。

行向量之间的相似度就是用户之间的相似度，列向量之间的相似度就是推荐职位之间的相似度

相似度的计算可以用两个向量之间的cos余弦值来计算。

计算完相似度，就要做个性化推荐。

基于用户的协同过滤：

核心思想：用户A,B很相似，可以将A喜欢的职位推荐给用户B。

  用户u对推荐职位的喜好程度用score(u,s)计算，u是与该用户最相似用户的集合（如基于相似度找到与该用户最相似的K个用户）

是用户i 对s职位的喜好度。

是用户i与用户u的相似度。

，用户之间的相似度相当于一个权重，用其他用户对s职位的喜爱度来衡量用户u对某职位的评分（喜爱度）