Programming Collective Intelligence-Making Recommendations

A-提供推荐:

• 协作型过滤

协作型过滤 为 1992年 施乐帕克 在其设计的Tapestry系统中首次使用, 该系统允许人们根据自己对文档感兴趣的程度为其添加标注, 并利用这一信息为他人进行文档过滤

协作型过滤算法通常的做法是对一大群人进行搜索, 并从中找出与我们品味相近的一小群人. 算法会对这些人所偏爱的其它内容进行考查, 并将它们组合起来构造出一个经过排名的推荐类表

---

1.收集偏好

          pass

2.寻找相似用户

• 相似度评价值算法:

     欧几里得距离  :   sqrt(各维度差值平方和)
  
  
     皮尔逊相关系数:   该相关系数是判断两组数据与某一直线拟合程度的一种度量。
                     虽然公式比欧式距离复杂,但它在数据不是很规范的时候(比如,影评者对
                     影片的评价总是相对与平均水平偏离很大时),会倾向于给出更好的结
                     果。
  

3.得到用户相似度矩阵

4.得到排名的物品列表

  加权评分和矩阵 = 用户相似度矩阵(权重)*物品评分 (与自己相似的人将会对整体评价值拥有更多的贡献)

对于物品为电影的场景, 会存在受更多人评论的影片会对结果产生更大的影响, 修正此问题可以通过 加权评分和/所有对这部影片有过评论的用户的相似度之和

5.物品推荐