协同过滤召回算法的几个优化点（一）

协同过滤召回算法的几个优化点（一）

协同过滤算法是电商推荐场景中非常常见、发展历史也比较久的一类启发式算法。
通常情况下，电商的用户数量远比商品数量大、稳定性上来说也是商品相对稳定。
所以电商场景下通常使用Item Based CF算法，同时，采用余弦相似度的较多。

以此为例，记录一下项目中实际用到的几个优化点，可视情况组合使用。

原始评分预测公式¹： ${\hat{r}}_{ui}={\sum }_{j\in S(j,k)\cap N(u)}{w}_{ij}{r}_{uj}$

其中：

1. ${\hat{r}}_{ui}$：用户u对物品i的预测评分
2. N(u)：用户喜欢的（有过评价的）物品集合
3. S(j,k)：和物品j最相似的K个物品集合
4. $S(j,k)\cap N(u)$：和物品j最相似的K个物品中，用户评价过的物品集合
5. $w_{ij}$：物品i和j的相似度
6. $r_{uj}$：用户u对物品j的兴趣（评分）

物品相似度 $w_{ij}=\frac{|N(i)\cap N(j)|}{|N(i)|}$
其中N(i)是喜欢物品i的用户数，分子是同时喜欢物品i和j的用户数。

优化点1：热门物品惩罚

如果物品j过于热门，有很多用户进行了评分，那么它会参与到许多物品的相似度计算中，而且所计算出的$w_{ij}$会很大，造成任何一个物品都和热门物品j有很大的相似度，这对于推荐的个性化和多样性是不利的。

一个改进的方法是将$w_{ij}$的分母由$\left|N(i)\right|$改为$\sqrt{\left|N(i)\right|\cdot \left|N(j)\right|}$，从而降低物品j的权重。

优化点2：显式使用评分值

原始的相似度计算公式中，分子$\mid N(i)\cap N(j)\mid$是同时喜欢物品i和j的用户数、分母$\mid N(i)\mid$是喜欢物品i的用户数，都没有用到评分值࿱