协同过滤算法

所谓的协同过滤算法就是：通过找到兴趣相投，或者有共同经验的群体，来向用户推荐感兴趣的信息。所以说，当一个用户 A 需要个性化推荐时，可以先找到和他兴趣相似的用户群体 G，然后把 G 喜欢的、并且 A 没有听说过的物品推荐给 A，这就是基于用户的系统过滤算法。

例如：利用协同过滤向用户A推荐他喜欢的电影。

Process：找到用户A(user_id_1)的兴趣爱好

                找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set<user_id>

                找到该群体喜欢的电影集合Set<movie_id>

                将这些电影Set<Movie_id>推荐给用户A(user_id_1)

具体步骤：

  （1）从用户数据库里导出数据分析，如下表：画一个大表格，横坐标是所有的movie_id，纵坐标所有的user_id，

               交叉处代表这个用户喜爱这部电影

         

	Move_id_1	Move_id_2	Move_id_3	Move_id_4	Move_id_5	……	Move_id_110w
User_id_1	1	1	1
User_id_2	1	1	1	1
User_id_3	1	1	1		1
………….
………….
User_id_10w	1		1		1

    横坐标，假设有10w部电影，所以横坐标有10w个movie_id，数据来源自数据库

    纵坐标，假设有10w个用户，所以纵坐标有10w个user_id，数据也来自数据库

    “1”代表用户喜爱这部电影，数据来自日志，至于什么是“喜欢”，需要自己定义，例如浏览过，查找过，点赞过，日志文  

             件里有这些记录的数据。

（2）找到用户A(user_id_1)的兴趣爱好

  

	Move_id_1	Move_id_2	Move_id_3	Move_id_4	Move_id_5	……	Move_id_110w
User_id_1	1	1	1
User_id_2	1	1	1	1
User_id_3	1	1	1		1
………….
………….
User_id_10w	1		1		1

   如上表，可以看到，用户A喜欢电影{m1,m2, m3}。

（3）找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set<user_id>，这里涉及相似度算法的实现

         

	Move_id_1	Move_id_2	Move_id_3	Move_id_4	Move_id_5	……	Move_id_110w
User_id_1	1	1	1
User_id_2	1	1	1	1
User_id_3	1	1	1		1
………….
………….
User_id_10w	1		1		1

可以看到，喜欢{m1, m2, m3}的用户，除了u1，还有{u2, u3}

（4）找到该群体喜欢的电影集合Set<movie_id>

          

	Move_id_1	Move_id_2	Move_id_3	Move_id_4	Move_id_5	……	Move_id_110w
User_id_1	1	1	1
User_id_2	1	1	1	1
User_id_3	1	1	1		1
………….
………….
User_id_10w	1		1		1

具备相同喜好的用户群里{u2, u3}，还喜好的电影集合是{m4, m5}

以上过程大致就是“协同”。

（5）当用户A(use_id_1)来访问网站时，按照以上算法要推荐电影{m4, m5}给他了。

（后续程序实现将会更新，程序中将会设计相似度的计算公式）