大数据实战电商推荐系统（5）- 基于内容的相似商品推荐（TF-IDF算法）

数据获取和处理以及环境的配置详见上一篇文章： https://blog.csdn.net/qq_42754919/article/details/119606604?spm=1001.2014.3001.5501

每个商品都有标签，标签可以大致的概括商品的特征，但是并不是所有的标签对商品的特征影响性大。因此本文首先使用TD-IDF算法计算每个标签对商品的权重，将最终计算出的特征值转化为稀疏向量，利用余弦相似度计算两个商品之间的相似程度，用于推荐相似的商品。

1.TF-IDF介绍

词频 (term frequency, TF) 指的是：某一个给定的词语在该文件中出现的次数（某个词在文章中出现 的次数）。

并不是出现次数越多，该词对文章的影响性大，比如：的，得等。每个文章都有自己的特征，某个词出现在这个文章的概率远远大于其他文章，才能表示这个词对这篇文章影响性大。

逆向文件频率 (inverse document frequency, IDF) IDF指的是：（某个词在文章出现的次数）/（文章总次数）。