推荐算法——item-CF
本文章目的在于记录一次作业中用到的推荐算法,以方便之后整理回顾。
算法简介
item-CF中文是基于物品的协同过滤,核心思想是根据用户产生过交互的物品与其他物品的相似度来向用户进行推荐。
比如用户A曾经收藏过商品a,而商品b跟商品a很相似,根据算法,商品b就有可能被推荐给用户A。
由上面举的例子可以发现,item-CF算法有至少2个步骤:
1、计算商品间的相似度
2、根据用户行为进行推荐
下面将介绍如何计算相似度,以及如何进行推荐。
相似度计算
其中,N(i) 为交互过物品 i 的用户数量。
在编程中,该部分的实现依赖于一个统计同时与任意两个物品发生交互的用户数量的矩阵,见下图: