本文主要讲解基于用户(User-CF)和基于物品(Item-CF)的协同过滤推荐算法的原理
推荐算法主要基于用户历史行为信息获取数据,找到相似的用户和商品,并对用户进行推荐可能感兴趣的商品。
对用户进行推荐主要有两类:
1.基于用户的协同过滤(User-CF)
用户A对商品y的喜好 = 用户B对商品y的喜好程度 * 用户A和B的相似度
2.基于商品的协同过滤(Item-CF)
用户A对商品y的喜好 = 用户A对商品x的喜好程度 * 商品x和y的相似度
根据实际例子过一遍,我们就可以很直观地理解了什么是User-CF和Item-CF,也能很清楚知道两者的区别。
一.基于用户的协同过滤(User-CF)
User-Item表
|
NIKE |
ADIDAS |
VANS |
TATA |
斐乐 |
A |
4 |
5 |
4 |