读书笔记---推荐系统实践（3）

基于邻域的算法

基于领域的算法是推荐系统中最基本的算法，包括基于用户的协同过滤算法以及基于物品的协同过滤算法。

基于用户的协同过滤算法

• 这是推荐系统中最古老的算法，甚至可以说这个算法标志这推荐系统的诞生。
• 基础算法
  主要步骤：
  （1）找到和目标用户有相似兴趣的用户集合。
  （2）根据相似用户的感兴趣的，推荐目标用户感兴趣但是没有听说过的进行推荐。
  对于步骤（1），关键是计算两个用户的兴趣的相似度。可以通过Jaccard公式或者余弦公式。假设有用户u和v，N（u）表示u有正反馈的物品，以此类推。
  Jaccard公式：
  
  余弦公式：
  
  使用Python实现余弦公式的为代码如下（该方法非常耗时）：

def UserSimarility(train):
    w = dict();
    for u in train.keys():
        for v in train.keys():
            if u == v:
                continue
            w[u][v] = len(train[u] & train[v])
            w[u][v] /= math.sqrt(len(train[u]) * len(train[v] * 1.0))
    return w

然而以上的算法相当耗时，时间消耗在寻找相似用户之上。我们可以通过建立倒排表，通过UserCF实现推荐算法。