文章目录 一、思维导图 二、基于邻域的算法 1、基于用户的协同过滤算法 算法步骤 相似性计算 算法评测 2、基于物品的协同过滤算法 算法步骤 相似度计算 计算用户对一个物品的兴趣 算法评测 3、UserCF和ItemCF比较 三、隐语义模型 1、数据准备 2、兴趣分类 3、如何给每个用户生成负样本 4、模型 5、loss 函数 6、优化求解 四、基于图的模型 一、思维导图 二、基于邻域的算法 基于邻域的算法重点在于如何计算相似性,无论是用户相似性还是物品相似性。 1、基于用户的协同过滤算法 推荐和他相似的其他用户喜欢的物品 算法步骤 找到和目标用户相似的用户集合。 找到这个集合中的用户喜欢的,且目标用户没有听说过的物品推荐给目标用户。 相似性计算 方式一:Jaccard 公式 方式二:余弦相似度公式 方式三:改进,增加对热门物品的惩罚