推荐系统项目基础（二）基于相似度的协同过滤

最新推荐文章于 2024-01-07 02:04:14 发布
最新推荐文章于 2024-01-07 02:04:14 发布
阅读量684 收藏 4
点赞数 2
分类专栏： 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq5024581/article/details/111473400
版权

推荐系统项目基础（二）协同过滤

基于相似度的协同过滤算法

用户协同过滤User-based CF

在这里插入图片描述

从上图可以看出User-based CF的计算过程为：

  • 维护一张用户之间的相似表
  • 计算每个用户之间的相似度
  • 得到最接近的用户
  • 得到所有接近用户的购买数据
  • 根据购买数据推荐没有购买过的物品

商品协同过滤Item-based CF

基于商品过滤的不同点在于获取的是物品的相似表，根据物品的相似度进行推荐。
在这里插入图片描述

Item-based CF的计算过程为：

  • 维护一张物品之间的相似表，物品之间的相似度表示公式：（同时喜欢物品I与J的人数交集）/（喜欢物品I与J的人数并集）
  • 计算每个物品之间的相似度
  • 得到最接近的物品列表
  • 去除用户的购买物品
  • 根据得到的物品中筛选出没有购买过的物品

计算相似度

余弦相似度

余弦相似度通过计算两个向量的夹角的余弦值来度量它们之间的相似性，在计算文档相似度中应用非常广泛，计算公式如下：
在这里插入图片描述

皮尔逊相似度

余弦相似度中没有将维度进行考虑，即没有进行中心化处理，数据会受到某些维度的较高值影响，需要对维度中的值进行去中心化处理。相对于余弦相似度，皮尔逊更适合于计算相似度。
在这里插入图片描述

Jarccard相似度

Jaccard相似度的定义很简单，两个向量的词汇的交集除以两个向量的并集。适用于已经进行onehot编码后的数据，只有0和1

基于Jarccard相似度计算例子

在这里插入图片描述

1、根据上面的数据计算得出用户之间的相似度，与物品之间的相似度。

在这里插入图片描述
2、分别根据用户协同过滤，物品协同过滤进行计算。

在这里插入图片描述
（用户2与用户1相似度 * 用户2对物品5的评分 + 用户3与用户1相似度 * 用户2对物品5的评分）/（用户2与用户1相似度+用户3与用户1相似度）

在这里插入图片描述

（物品A与物品E相似度 * 用户1对物品A的评分 + 物品D与物品E相似度 * 用户1对物品D的评分）/（物品A与物品E相似度 + 物品D与物品E相似度）

Gwynbleidddd
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文研究-一种新的基于非对称皮尔逊相似度的协同过滤算法 .pdf
08-22
一种新的基于非对称皮尔逊相似度的协同过滤算法，朱佳龙，吕玉琴，在传统的协同过滤算法中，一般通过余弦相似度、皮尔逊相似度、杰卡德皮尔逊相似度等计算用户间的相似度。然而，对于稀疏度高的用
基于用户相似性的协同过滤——Python实现
aaa2549769750的博客
09-07 340
代码基本来自项亮的<推荐系统实践>，把书上的伪代码具体实现，还参考了https://www.douban.com/note/336280497/ 还可以加入对用户相似性的归一化操作，效果会更好。 数据集为MovieLens的10万条数据. 链接：MoiveLens #coding:utf-8 import random,math from operator i...
基于项目的协同过滤java实现（Item-Based CF）
Lyric1的博客
11-21 2145
简介 随着电商网站中用户数量的迅速增长，基于用户的协同过滤User-based CF存在计算用户之间相似度时复杂度太高，不利于及时为用户产生个性化推荐。相比用户数量，电商网站上的产品数量则相对较少，基于项目的协同过滤（Item-Based CF）被亚马逊提出，并应用于亚马逊网站上。Item-Based CF的原理是计算产品之间的相似度，并根据用户已经购买过的产品为该用户提供相似的产品。由于电商网站上，产品的种类与数量相对固定，产品之间的相似性可以通过线下直接计算后再直接为用户推荐，大大节约了线上推荐的计算复
协同过滤算法（例题理解）
weixin_52093896的博客
04-24 3454
协同过滤算法是一种推荐系统算法，它利用用户对物品的评价数据来预测用户对未评价物品的喜好程度。。因此，协同过滤算法将用户之间的。该算法分为基于用户的协同过滤和基于物品的协同过滤两种类型。
基于Item-Based协同过滤推荐
机器之我心的博客
06-02 3383
     基于Item-Based协同过滤推荐是基于商品本身属性之间的关联分析，最基本的思想是计算物品与物品之间的相似度，通过物品之间的相似度程度进行推荐。      一种思想是通过商品相似度，且已评分进行加权，得到未知商品评分。      如果商品数量多，用户过多，容易产生过适问题。为了解决这个问题，利用简单的两种商品已评分的平均差值方式来简单而有效地进行评估，这种方法称为Slope one...
基于信任与相似度的协同过滤推荐系统Java源码
03-25
项目概述：基于Java语言的协同过滤推荐系统 本项目主要采用Java语言开发，整合了Shell脚本，包含共47个文件，其中Java源文件14个，基础配置文件7个，测试文件7个，以及其他各类支持文件。项目核心是基于信任度与...
基于项目模糊相似度的协同过滤推荐算法
04-30
针对传统协同过滤算法中评分和标签存在的模糊性问题进行了研究，利用梯形模糊数描述评分与满意度的映射关系，在考虑评分稀疏性的基础上构建了一种新的梯形模糊评分模型以判断基于模糊评分的相似度，分析标签与项目的...
基于项目相似度的协同过滤推荐引擎
最新发布
05-20
协同过滤算法在多个场景中有广泛的应用，如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中，协同过滤算法可以根据用户的历史行为数据，推荐与用户兴趣相似的商品、用户或内容，从而提高用户的购买转化率
基于用户相似度的协同过滤推荐算法
01-15
针对这一问题，引入用户相似度概念，定义社交网络中属性相似度，相似度构成与计算方法，提出一种改进的协同过滤推荐算法，并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐...
基于协同过滤算法商品推荐系统论文-java-文档-基于协同过滤算法商品推荐系统文档
02-22
### 基于协同过滤算法的商品推荐系统设计与实现 #### 一、绪论 - **选题动因**：随着互联网技术的发展和电子商务平台的兴起，如何在海量的商品信息中帮助用户找到他们真正感兴趣的商品成为了商家面临的一个重大...
RS推荐系统-实例之基于内容相似度的酒店推荐
你好，今天的你
05-29 772
在推荐系统中，有一个环节是基于物品的推荐。它是基于物品的相似度，即物品的静态属性，如物品内容描述、物品特征向量等属性。这次我们会用到TFIDF和相似度计算的方法，对用户进行酒店推荐。本次使用的酒店数据会放到github中，需要自取：https://github.com/Vihagle/AI/tree/main/data. import numpy as np import pandas as pd import nltk nltk.download('stopwords') from sklearn.met
基于地域和热度的酒店推荐系统
qq_44996650的博客
05-27 588
实验5：创建一个基于地域和热度的酒店推荐系统 一、主要实现酒店推荐， 根据用户所在的地区和所选择的排序方式返回相应的前k个酒 店数据。 •数据集都取所在地址是北京的， 包含朝阳区、 丰台区、 东城区、 西城区、 海淀区、 顺义 区、 石景山区、 延庆区、 房山区、 通州区。 •支持排序的字段有：评论数目、装修时间、开业时间、评分、最低价格，以及综合排序。 •程序中通过type字段进行赋值。 •排序方式分为升序和降序。 “综合排序”的实现思路 二、“综合排序” 是对其余排序字段的线性整合。这里简单地定义了各个
协同过滤的开源项目与实践案例
禅与计算机程序设计艺术
01-07 827
1.背景介绍 协同过滤(Collaborative Filtering)是一种基于用户行为的推荐系统方法，它通过分析用户之间的相似性来预测用户对某个项目的喜好。协同过滤可以分为基于人的协同过滤(User-based Collaborative Filtering)和基于项目的协同过滤(Item-based Collaborative Filtering)。 在本文中，我们将介绍协同过滤的开源项...
协同过滤推荐算法：原理、实现与分析
weixin_37410657的博客
05-05 931
本文详细介绍了协同过滤推荐算法的原理，并使用Python和Numpy库实现了基于用户的协同过滤算法。我们还通过LaTeX公式进行了数学推导和分析。协同过滤是推荐系统中常用的一种算法，它能够根据用户的行为和偏好为用户推荐感兴趣的物品。需要注意的是，协同过滤算法也存在一些局限性，例如冷启动问题（新用户或新物品缺乏评分数据）、稀疏性问题（评分矩阵稀疏导致相似度计算困难）等。因此，在实际应用中，推荐系统往往会结合多种算法和技术，以提供更加精准和个性化的推荐服务。[本文为原创内容，未经许可，禁止抄袭和转载。
以西雅图酒店数据集为例建立内容推荐系统
qq_27328197的博客
03-05 563
文章目录前言代码过程总结 前言 已给西雅图酒店数据集，酒店数据集中包括对酒店信息，包括酒店名称 地址 描述。然后根据用户搜索某个酒店，推荐最相似的10个酒店。 代码过程 基于酒店内容的推荐： • Step1， 对酒店描述（ Desc） 迕行特征提取 • N-Gram， 提取N个还续字的集合， 作为特征 • TF-IDF， 按照(min_df, max_df)提取关键词， 并生成TFIDF矩阵 • Step2， 计算酒店乊间的相似度矩阵 • 余弦相似度 • Step3， 对于指定的酒店， 选择相似度最大的To
[附源码]java+ssm计算机毕业设计基于协同过滤算法的竞赛管理系统ht5jj(源码+程序+数据库+部署)
ass1017的博客
04-04 88
Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX（Webstorm也行）+ Eclispe（IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持）。2. 前端：L ayui+css+javascript+jQuery+ElemenUI+highcharts。SSM + mybatis + Maven + JSP 等等组成，B/S模式 + Maven管理等等。2. 使用IDEA/Eclipse/MyEclipse导入项目，修改配置，运行项目；
基于内容的推荐算法
热门推荐
moving
10-07 1万+
协同过滤(Collaborative Filtering Recommendations，简称CF)是目前最流行的推荐方法，在研究界和工业界得到大量使用。但是，工业界真正使用的系统一般都不会只有CF推荐算法，基于内容的推荐(Content-basedRecommendations，CB)基本也会是其中的一部分。 基于内容的推荐服从如下假设：对于特定目标用户，在内容上与该用户以往感兴趣的信息项目相
基于内容相似度的房源推荐系统（Python+Weapp+SpringBoot+MySQL）
毕业作品网站
11-05 479
数据层以 MySQL 数据库作为支撑，存储关系型数据，同时使用 Redis 缓存作为辅 助来存储推荐结果，从而提高推荐系统对于前端的响应速度。另外，在项目前期利用爬 虫程序爬取房源信息，并进行了数据清洗、去重等工作，从而为数据的特征提取、处理 打下了一个良好的基础。小程序的项目结构可大致分为第三方 UI 组件目录、页面目录、和小程序全局 配置文件。id=16997其中有 些页面进行了多次代码复用；小程序全局配置文件主要是注册小程序的生命周 期函数、全局样式、Tab 页面注册及负责一些小程序初始化的逻辑。
【推荐系统】{2} —— 基于物品的协同过滤算法
Giyn
05-04 1843
协同过滤（英语：Collaborative Filtering，简称CF），简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人透过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。——维基百科 基于物品的协同过滤算法（item-based collaborativ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值