推荐算法原理感悟

——Content Based

实践步骤:利用jieba先对Item分词，然后做出正排表(Item–Feature…)；然后给每个Feature打分(TFIDF值)，逆序排列；接着做倒排表(map阶段以每个Feature为Key,关联对应的Item，在reduce阶段把Feature值(TFIDF值)高的对应的Item放在前面，逆序排列)；最后，便根据倒排表，对于某个Feature高的Item，给出一个推荐列表，这个推荐列表就是倒排表的top-N，也就是推荐列表出现的Item和正在被A使用的Item在Item上是很相近的。

例如:
倒排表:特征:“时间”——Item1:“时间简史”0.9 （A看过） Item2:“时间xx”0.8 Item3:“时间yy”0.7
在只考虑”时间”这个特征(就这一个维度)做推荐并且只能推荐一个Item时，直接把Item2推荐给A(因为0.9乘以0.8>0.9乘以0.7，一种比较相似度的方式)

假设如果知道xx=”模型简史”，yy=”概率简史”
特征:“简史”——Item1:“时间简史”0.8 （A看过） Item3:“时间yy”0.6 Item2:“时间xx”0.4

相似度: Item1&Item2（0.9乘以0.8+0.8乘以0.4）小于 Item1&Item3（0.9乘以0.7+0.8乘以0.6）
则应该把Item3推荐给A。

——Collaboration Filtering

User Based CF

原理:用户喜欢那些跟他有相似爱好的用户喜欢的东西，具有相似兴趣的用户在未来也具有相似兴趣。给定用户u，找到一个用户的集合S(u)，他们和u具有相似的兴趣，将S(u)喜欢的物品推荐给用户。

A喜欢女生:xxx0、xxx1 、xxx2
B喜欢女生:xxx0、xxx1 、xxx3
B刚喜欢上女生: meimei
——可以把meimei推荐给A(因为B和A喜欢的女生很相似)

例如:
用户A翻他微信朋友圈，发现A的好友B看了部电影《xxx》并分享到朋友圈了，A与B从小关系好、志趣相投(历史信息)，于是A也打算去看这部电影。

Item Based CF

原理:用户喜欢跟他过去喜欢的物品相似的物品，历史上相似的物品在未来也相似。给定用户u，找到他过去喜欢的物品的集合S(u)，把和S(u)相似的物品推荐给u。

A喜欢女生:xxx0、xxx1 、xxx2
B喜欢女生:xxx0、xxx1 、xxx3
C喜欢女生:xxx0、xxx2 、xxx4
D喜欢女生:xxx0、xxx1 、xxx5

——可以把xxx1推荐给C(因为xxx1和C之前喜欢的xxx0相似，这是根据统计得来的：A、B、C都喜欢xxx0、xxx1，说明这两个女生很像，两个班花，哈哈~)

重点:这里评价Item相似，是通过与之关联的用户行为来判断的，而不是挖掘Item本身的属性来判断。即基于Item的协同过滤，是考虑用户的行为向量，跟Item本身毫无关系，譬如我们100个人中，有90个人都看了A和B两个Item，那么我认为A和B具有很强的相关性（跟Item本身无关），道理上跟关联规则的啤酒和尿不湿是类似的，就是看AB共同出现了很多次，就认为他们相关，喜欢A的用户很大程度上也喜欢B。

——Model based

以用户为基础（User-based）的协同过滤和以项目为基础（Item-based）的协同过滤统称为以记忆为基础（Memory based）的协同过滤技术，他们共有的缺点是数据稀疏，难以处理大数据量影响即时结果，因此发展出以模型为基础的协同过滤技术。 以模型为基础的协同过滤(Model-based Collaborative Filtering)是先用历史数据得到一个模型，再用此模型进行预测。以模型为基础的协同过滤广泛使用的技术包括Latent Semantic Indexing、Bayesian Networks…等，根据对一个样本的分析得到模型。

总结

差别在于：
协同过滤必须要有用户行为，基于Item的推荐可以不用考虑用户行为。冷启动阶段只能用基于Item的推荐，因为没有用户行为数据；积累一段时间用户行为数据后就可以用协同过滤了。基于Item的推荐的要求：item数据比较容易结构化，且结构化的数据能相对完整的描述item，否则效果不会太好。

协同过滤的要求：用户行为越丰富越好。用户数少时，推荐用User Based CF；Item少时，推荐用Item Based CF。