集体智慧编程_2推荐系统

1）协作型过滤（见上一篇博客）
2）收集偏好（python中用嵌套的字典表示）

dic = {key:{key :{key{...}}}}

3）寻找相近用户

1.欧几里得距离

物品以及用户对物品的偏好作为x，y，将用户映射到坐标轴上，计算用户之间的距离,距离越短，用户偏好越相似

2.皮尔逊相关度（数据不规范）：判断两组数据与某一直线拟合程度的一个度量

3.曼哈顿距离

4.Jaccard距离和Dice系数（两个集合的交集除以并集）

5. 余弦相似度（表示方向上的差异，对距离不敏感）

4）推荐物品
5）匹配商品