推荐系统基础算法--余弦相似度算法详解及应用
转载于推荐系统基础算法--余弦相似度算法详解及应用_至臻于勤-大道至简的博客-CSDN博客_余弦相似度推荐算法
Jaccard index相似系数:
简单的计算u与v兴趣相似度的公式:
余弦相似度计算(向量方法):
一般余弦公式证明公式:
再来看看,上面的例子,
Nu=X={a,b,c,d},Nv=Y={a,c,g},令物品出现一次就加1,就得到两个向量
X={1,1,1,1,0},Nv=Y={1,0,1,0,1},代入上式得:
从上面的计算得出,用户u与v的兴趣相似度是0.577,属于一般偏上一点,扩展一下,假设用户v也购买了商品d,那么,计算结果就是0.75了。
————————————————
版权声明:本文为CSDN博主「至臻于勤-大道至简」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/xpsallwell/article/details/86227676