（推荐系统）Empirical Analysis of Predictive Algorithms for Collaborative Filtering

1. 摘要

Empirical Analysis of Predictive Algorithms for Collaborative Filtering是一篇非常经典的综述性论文。这篇论文非常“古老”，里面介绍的算法并不多，因此非常适合新手入门。这篇论文通过采用四种实验策略，两种实验标准来对比协同过滤（Collaborative Filtering，CF）中常用的两类常用算法：Memory-basd，Model-based，并对实验结果进行分析，总结。文章介绍的算法分类如下图所示：

2. Memory-based method

2.1 基础

协同过滤的核心目标在于预测目标用户（active user）对某一个物品的评分。Memory-based method的思路一般是通过参考与目标用户兴趣相似的用户（臭味相投者）对该物品的评分来预测目标用户的评分。说白了就是，跟你兴趣相投的人，对一个物品的评价应该也差不多。文章提出了两个计算评分的基础公式：

$v_i{,}_j$表示用户$i$对物品$j$的投票值（这里的投票是一个很宽泛的概念，评分就是其中一种形式），$I_i$表示用户感兴趣的物品集合， $\overline{vi}$就是一个用户$i$的投票均值。

可以看出， p