大数据实战电商推荐系统（6）- 基于物品的协同过滤相似推荐（Item-CF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/119679441

基于物品的协同过滤（Item-CF），只需收集用户的常规行为数据（比如点击、收藏、购买）就可以得到商品间的相似度，在实际项目中应用很广。

1. 基于物品的协同过滤（Item-CF）

基于物品的协同过滤（Item-CF）主要思想：对于同一个用户购买的不同商品内部应该存在某种相关性。因此可以用现存的行为数据判断两个物品的相似程度，分析商品受众的相似程度，进而得出商品间的相似度。当一个新的用户购买某个商品后，可以用商品相似度推荐给当前用户其他某种类型的商品，未必和之前购买的商品统一类型。我们把这种方法定义为物品的“同现相似度”，公式如下：我们把这种方法定义为物品的“同现相似度”，公式如下：

其中，Ni 是购买商品 i的数量，Nj 是购买商品 j 的数量，分子表示同一个用户同时购买两个商品的数量。

2. 代码

主要思路：

1. 首先统计每个商品出现的频次，然后按用户ID进行内连接