基于内容的商品推荐技术的简单实现方法

基于内容的推荐技术

最近做学校的一个商城项目需要推荐功能，于是翻看了几篇论文，感觉基于内容的推荐技术比较合适，索性就拿来用用。通过提取用户最近的商品收藏或者搜索记录中的有用信息，得到喜好模型从而计算相似度推荐商品。

构建用户喜好向量，通过向量相似度来推荐对象，我采用余弦相似度来计算

选取特征值

在用户的商品收藏表选取几个字段作为特征值，特征值需要与被推荐商品的字段对应，通过对检索商品的分析，各个特征值的权重应该不同，但总和为1.
我选择了商品标签、价格、发货地址、商品状态、发布时间作为特征值。

特征值的量化

商品标签：
商品表中的标签分为三级，每往下一级两个商品的类型就越相似，所以权重就越大，因为只有三个标签所以每个档位的量化值相差定为0.3，则有：

一级标签0.4--------二级标签0.7-------三级标签1

价格：
通过收藏的商品价格与商品表中相似商品价格相减的绝对值来量化,与收藏商品价格越接近两个商品相似，每个档位量化值相差定为0.2，则有：

abs<=100-------1
100<abs<=300------0.8
300<abs<=500------0.6
500<abs------0.4

发货地址：
发货地址