协同过滤算法(基于用户)

背景: 使用基于用户的协同过滤算法进行网站预测

1. 流程图

算法流程图


2. 算法详细步骤

  1. 读取文件,处理每一行数据,把用户id和网址id转化为long类型(因为协同过滤模型这两列为long类),并转化为DataModel(模型输入数据)。

  2. 转化出用户评分矩阵(没有的填充0)。如下表所示(部分):

用户id\网址id110100101102103104105106
0140100143
1031021241
2212013214
3203103011
  1. 使用皮尔逊相似度,计算用户相似矩阵。把上表中的每一行,作为一个向量,计算当前用户与其他用户的距离,如计算用户0与用户1的距离:
    用户0向量: (1, 4, 0, 1, 0, 0, 1, 4, 3)
    用户1向量: (0, 3, 1, 0, 2, 1, 2, 4, 1)
    计算以上两个向量的相似度,值越大,相似度越高。

关于皮尔逊相关系数计算,请参考百度百科: https://baike.baidu.com/item/%E7%9A%AE%E5%B0%94%E9%80%8A%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0/12712835?fr=aladdin

  1. 选取距离最近的前0.8%的用户,使用相似度作为权重,预测该用户没有看过,但是邻居看过的网址的评分。

计算公式公式

  1. 按评分倒序排列,选择评分最高的10个网址id,把用户id和网址id从long转回string,并写入到数据库。
  • 4
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值