1.算法思想
物以类聚,人以群分
2.基本的协同过滤算法基于一下的假设
- 基于用户的协同过滤推荐(User-based CF):跟你喜好相似的人喜欢的东西你也很有可能喜欢
- 基于物品的协同过滤推荐(Item-based CF): 跟你喜欢的东西相似的东西你也有可能喜欢
3.实现协同过滤推荐的步骤
- 找出最相似的人或者物品:通过计算两两的相似度来进行排序,即可找出最相似的人或物品
- 根据相似的人或者物品产生推荐结果:找出最相似的人或者物品的前N名结果生成初始的推荐结果,然后过滤掉用户已经有过记录的物品或者明确表示不感兴趣的物品
4.思路
- 做协同过滤时,首先特征工程要把 用户---物品的评分矩阵创建好
- 基于用户的协同过滤
①给用户A找到最相似的N个用户
②N个用户消费过哪些物品
③N个用户消费过的物品中减去A用户消费过的就是推荐结果- 基于物品的协同过滤
①给物品A找到最相似的N个物品
②A用户消费记录找到这些物品的相似物品
③从这些相似物品先去重再减去A用户消费过的就是推荐结果
Python协同过滤推荐算法(Collaborative Filtering)1.概念和思想以及大致步骤
最新推荐文章于 2024-07-19 12:18:48 发布
本文深入探讨了协同过滤的基本思想,包括基于用户和物品的两种推荐策略。在协同过滤中,通过计算用户或物品之间的相似度来生成个性化推荐。实现步骤包括构建用户-物品评分矩阵,寻找最相似的个体,然后生成推荐列表。该算法广泛应用于推荐系统,为用户提供精准的内容推荐。
摘要由CSDN通过智能技术生成