推荐系统

一 推荐系统的组成

几乎所有的推荐系统应用都是由前 台的展示页面、后台的日志系统以及推荐算法系统3部分构成的

1. 展示页面：

1.1 推荐结果的标题、缩略图以及其他内容属性 告诉用户给他们推荐的是什么。

1.2 推荐结果的平均分 平均分反应了推荐结果的总体质量，也代表了大部分用户对这本书 的看法。

1.3 推荐理由

1.4 收集反馈信息

3.推荐算法系统：

基于内容推荐

协同过滤推荐：仅仅基于用户行为数据设计的推荐算法一般称为协同过滤算法

基于邻域的方法（neighborhood-based）、隐语义模型
（latent factor model）、基于图的随机游走算法

基于邻域的方法分为：

基于用户的协同过滤算法 这种算法给用户推荐和他兴趣相似的其他用户喜欢的物品。
基于物品的协同过滤算法 这种算法给用户推荐和他之前喜欢的物品相似的物品。

基于关联规则推荐

基于效用推荐

基于知识推荐

组合推荐

基于邻域的方法详情参考：https://blog.csdn.net/hhjhh76/article/details/81781707

基于物品的协同过滤算法 这种算法给用户推荐和他之前喜欢的物品相似的物品。

算法主要包括两个步骤：

计算物品之间的相似度，得到与某物品相似的一个物品集合（该集合元素的个数需要结合实际做合适的选择），然后对该集合过滤掉目标推荐用户之前没有购买过的物品，最后将集合剩下的各个物品与目标推荐物品的相似度*用户对该物品的评分求和（sum(相似度*评分)）。

 用户U1购买了a,b,c，用户U2购买了a,b,c,e,f,，用户U3购买了a,e 举例说明：
a:U1,U2 ,U3   b:U1,U2   c:U1,U2   e:U2,U3   f:U2

计算用户U对一个物品的兴趣