基于用户的推荐算法和基于商品的推荐算法

基于用户的协同过滤

    如图1所示，在推荐系统中，用m×n的打分矩阵表示用户对物品的喜好情况，一般用打分来表示用户对商品的喜好程度，分数越高表示该用户对这个商品越感兴趣，而数值为空表示不了解或是没有买过这个商品。

 

图1 用于个性化推荐系统的打分矩阵

    如图2所示，基于用户的协同过滤推荐算法是指找到与待推荐商品的用户u兴趣爱好最为相似的K个用户，根据他们的兴趣爱好将他们喜欢的商品视为用户u可能会感兴趣的商品对用户u进行推荐。

 

图2 基于用户的协同过滤算法

    从以上介绍可以看出，基于用户的协同过滤推荐算法主要分为两步，第一步是求出用户之间的相似度，第二步是根据用户之间的相似度找出与待推荐的用户最为相似的几个用户并根据他们的兴趣爱好向待推荐用户推荐其可能会感兴趣的商品。

    用户之间的相似度的计算主要可以通过Jaccard公式和余弦相似度公式得到。

    Jaccard公式如下：

    余弦相似度公式为：