协同过滤——相似度公式

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