协同过滤算法——入门

协同过滤算法——入门

    

    协同过滤算法(Collaborative Filtering, CF)是推荐系统算法中的重头，也是推荐系统算法的入门必备，这篇我们入门一下，主要说它的两大分支：

• 基于用户的协同过滤算法（user based CF）;
• 基于物品的协同过滤算法（item based CF）。

1. 基于用户的协同过滤算法

    这类方法的基本思想是：把A用户相邻用户的偏好物品推荐给A。这里的相邻是计算用户之间的相似性，计算用到的特征是每个用户标注偏好物品的偏好值；

    详细点说，收集许多用户的历史日志log，得到它们标注的偏好物品，以及对应的偏好值。给定一个用户A，我们也已经有了他的历史log，包括A的偏好物品和偏好值。

    这时，我们要用A用户的特征，计算其和所有用户的特征之间的相似性，记为similarity_i，i表示用户A和第i个邻居用户的相似性。

    最后，让邻居用户偏好的物品构成需要推荐的物品集合（除去用户A已经偏好的物品），让邻居用户对第k个物品的偏好值，乘以对应的用户A和他的相似性值，求和得到第k个物品需要推荐给用户A的“得分”。

    这样也就得到了所有需要推荐的物品的推荐值。

   

   这样过程可以用下图来表示：

    分析：基于用户的CF方法给你推荐的物品是和你相似的人偏好的东西，也就是说，和你相似的人也看了这本书，所以他推荐给你这本书了。如果要是能够把和你相似的人特点给出来，展示给你看，让你找到共鸣，这样你就会对这本书的兴趣会大大增加。但是，每个用户的特征只是自己偏好物品的偏好值，而用户的数量是远远大于偏好物品数量的，这个方法样本的特征维数太少了，效果不一定很好。

2. 基于物品的协同过滤算法

    这类方法的基本思想是：把用户A已经偏好的物品的相似物品推荐给A。这里的特征是物品被所有用户标注的偏好值。

    详细点说，根据用户A的log，我们已经知道了他标注的偏好物品的偏好值，我们需要计算这些已经被偏好的物品和其余物品的相似性，然后推荐给A。如何计算相似性呢？

    首先，我们收集每个物品在所有用户下的历史log，得到所有用户对每个物品的偏好值，这样就可以计算得到候选被推荐物品p和A用户已经偏好物品q之间的相似性，记为similarity_q. 我们就可以计算出候选被推荐物品与A用户所有已经偏好物品之间的相似性。

    然后，我们用这个计算好的候选被推荐物品p和A用户已经偏好物品q之间的相似性similarity_q值，乘以A用户对偏好物品q的偏好值。这样把所有乘积再相加，得到候选被推荐物品p的“推荐值”得分。

    这样子，基于物品的CF算法就完成了。

    这个过程可以也通过一个图来表示：

分析：基于用户的CF方法计算相似性是每个物品被所有用户的偏好值，特征长度是用户数量，这样子特征就比上面基于用户的CF方法要丰富，效果理论上较好。

参考：

http://my.oschina.net/BreathL/blog/62519

http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html

http://www.cnblogs.com/zhangchaoyang/articles/2664366.html

http://www.cnblogs.com/luchen927/archive/2012/02/01/2325360.html