前言:
写这文时2021年不知不觉只剩3个月了,想必在抖音快手短视频、淘宝京东购物、饿了么美团外卖横行的年代,推荐算法这个词想必大家不陌生吧?(陌生的评论区扣1,我根本不信)
- 我在几年前就卸载了抖音,因为时常一刷刷几个小时,根本控制不住…
- 淘宝上给弟弟买的衣服多了,首页猜我喜欢的全是T恤大裤衩,导致我这个夏天的穿衣风格很不对劲…
- 有段时间减肥用饿了么点轻食,几天之后我的食物列表里全是轻食,当轻食吃腻了就有种再也不想打开饿了么的冲动…
对,以上这些生动案例都是基于强大的推荐系统。(以下划线内容请大家熟读并背诵)
推荐系统本质是一个信息过滤系统,它基于用户数据、用户行为数据和商品内容信息并通过一定的算法来预测用户的偏好,根据用户的偏好特点来过滤掉用户不感兴趣的商品或内容,从而不断吸引用户留在产品上。
推荐系统有多种,比如基于人口统计学的推荐、基于内容推荐、基于协同过滤推荐和混合推荐等。今天讲协同过滤推荐系统。
- 基于用户的协同过滤,比如用户A与用户C相似,则给用户A推荐C买过但A没买的商品。
- 基于商品的协同过滤,比如商品1和商品2相似,则用户A购买商品1后,会再给其推荐商品2。(我的T恤大裤衩就是这么买来的)
学前温馨提示:
学习过程中可能会出现“大脑说我会了,手说你会你来呀“这种情况,理解和写出来还是不太一样的,我也是花了三四天时间学习消化的,不会就多学几遍,耐心往下看,实在看不懂那也是因为我没写好,不是你的问题~欢迎点赞评论。
内容太干了,推荐给大家我最近爱喝的茶百道·手剥葡萄冻,趁这几天还有大太阳赶紧喝。(我知道没一杯奶茶你们是看不完的,我真的人美心善)
一、什么是协同过滤
协同过滤推荐(Collaborative Filtering recommendation):分析用户兴趣,在用户群中找到指定用户的相似用户,综合这些相似用户对某一信息的评价,形成系统对该指定用户对此信息的喜好程度预测。
分为以下3类:
此图认真看,今天主要是讲基于用户和基于商品的协同过滤推荐。 计算步骤均为:1.计算评分 2.计算相似度 3.计算喜爱度
二、基于用户的协同过滤
(你买我也买)
上图解读:
1)用户A购买商品1、2,用户C购买商品1、2、4,可见用户A与用户C购买商品的相似度很高,如果要推荐给用户A,则可推荐其未购买过的商品4。
2)用户B购买商品3和4,而用户A购买商品1和2,可以说这俩人相似度为0,再看用户C购买了商品1、2、