《推荐系统实践》第2章:协同过滤——基于用户行为分析的推荐算法

用户行为数据

就是日志，分为显性反馈行为和隐形反馈行为。一条日志包括：user id、item id、行为种类、上下文(时间地点)、行为权重、行为内容。

常用数据集

MovieLen数据集

用户行为分析

用户活跃度和物品流行度都遵循长尾分布（Power Law）。
横坐标为流行度和活跃度，纵坐标为物品数和用户数。想象一下那个长尾分布的图。

一个结论：用户活跃度越高，越倾向于浏览冷门物品。

1. 协同过滤算法

基于邻域的方法——用户、物品

1.基于用户的协同过滤算法（UserCF）
用户A需要个性化推荐时，先找到与他有相似兴趣的用户，然后把那些用户喜欢的，A不知道的物品推荐给A。
算法步骤：
1）找到和目标用户兴趣相似的用户集合；
2）找到这些集合中用户喜欢的，且没有听说过的物品推荐给目标用户。
这里的核心就是计算用户之间的相似度，推荐一篇讲相似度的文章。

这里的场景是按照数据形式划分的，按照向量维度取值是否是布尔值来看，杰卡德相似度就只适合布尔值向量，余弦相似度弹性略大，适合两种向量。欧式距离度量的是绝对差异，余弦相似度度量的是方向差异，但是调整的余弦相似度则可以避免这个弱点。

书上的余弦相似度是用【两个用户有过正反馈的物品集合的交集/两者物品集合相乘开根号】。
具体先建立一个倒排表——物品-用户，方便计算；然后计算用户u的前k个兴趣最相似的用户，将他们对物品i的兴趣×与用户u的兴趣相似度，得到一个兴趣值，从而进行推荐。

改进算法User-IIF
基于直觉：两个用户对冷门物品采取过同样行为相似度更高。
改进：
$$w_w=\frac{{\sum }_{i\in N(u)\cap N(v)}\frac{1}{\log 1+|N(i)|}}{\sqrt{|N(u)||N(v)|}}$$
该公式通过右上角新增项惩罚了用户u和v共同兴趣列表中热门物品对相似度的影响。
其中N(i)是对物品i有过行为的用户的数量，所以通过公式变换，数量多的热门物品所占有的权重就越低。这种改进是基于对余弦相似度的深刻理解的。
>>文献阅读
2.基于物品的协同过滤算法
基本思想：
算法步骤
1）计算物品之间的相似度；
2）根据物品的相似度和用户的历史行为给用户生成推荐列表。
物品相似度公式：
$$w_{ij}=\underset{|N(i)|}{}$$