老王：“啥是协同过滤啊” - 推荐系统入门（三）

“咳，我老婆最近买了个口红，然后加了个群，那个群里天天就分享什么购物经验啦，哪里哪里又上新啦，结果我老婆越买越多...”

是啊，我喜欢看科幻片，如果他们也爱看科幻片，并且告诉我了一些我没看过的，我肯定想看啊。

“哟，你说的还真有道理，上次那个基于内容的推荐，我记得只考虑一个用户自己的喜好，忽略了其他人，你的意思是我们可以找到相同喜好的人，然后把他们看过的电影互相推荐一下？”

你买的书都看了吗，这不就是书里的协同过滤算法吗？

“啊？是吗，哈哈哈。最近还真没看，这不是天天操心我老婆这烦心事嘛。”

得了吧。你就是懒。

“不过你还别说，从口红群那个事儿啊，我觉得这种方式肯定靠谱。不过协同过滤，这名字听着真是别扭。”

你一听这恶心的名字，那肯定是翻译过来的咯。协同就是利用其它用户的喜好，比如他们对电影打的分，过滤嘛，就是滤出你要的东西咯，比如推荐给某个用户的电影啊。

“哦，那具体是怎么弄？”

简单，就是填空。

“填空？填什么空？”

你看，这里有个表，里面填的是每个用户对每个电影打的分数。但是你想想，一个人怎么可能看过所有的电影呢? 我们就是把这些空给填上，也就是猜猜他会给这些没看过的电影打多少分，把他可能打高分的电影推荐给他就好啦。

“哦，我懂了，可这空怎么填啊。我怎么知道他会打多少分啊。”

用协同过滤咯，看看别的人打多少分呗。

“你是说算一下其他人给这个电影打分的平均值？不对吧，那不成了高分电影推荐嘛，所有人都会推一样的电影啊。”

当然不是了。我们得找到他相似的人。

“那怎么去衡量两个人相似呢？”

最简单的就这样，用我们都看过的电影数除以我看过的加上你看过的。

 

你看 A 和 B 这两个人，他们都看过的电影只有 1 个，就是 HP1，他们一共看过的是 5 个，重复的不算哦，HP1，HP2，HP3，TW，SW1，那他们的相似度，1 除以 5 ，就是 0.2， A 和 C 呢，他们的相似度是 2 除 4， 是 0.5。 所以 A 和 C 更相似。

很好懂吧，我们一共就看过 4 个不同的电影，居然有两个是一样的，难道我们口味不是一样的吗？

“听起来不错，可是完全没考虑他们打的分啊。”

那可以用上次我们说的余弦相似度啊，我们把这些空着的地方当做 0 就好了。

 

用户 A 可以表示为 [4, 0, 0, 5, 1, 0, 0]， B 可以表示为 [5, 5, 4, 0, 0, 0, 0]，

C 可以表示为 [0, 0, 0, 2, 4, 5, 0]， 所以 A 和 B 的相似度是 0.38，而 A 和 C 的相似度是 0.32，所以 A 和 B 更相似一些。

“这样直接用 0 填不行的吧。这不是在假设他打了 0 分么，说不定他很喜欢，会打 5 分呢。”

嗯，那这样吧，我们填这个用户所有打分的平均分吧，然后再把他所有的分都减去这个平均分，比如，A 用户打分的平均分是 (4 + 5 + 1) /3 ，我们先把用户 A 变成 [4, 10/3, 10/3, 5, 1, 10/3, 10/3]， 然后每个值再减去平均分 10/3， 得到 [2/3, 0, 0, 5/3, -7/3, 0, 0]。这样的话，每个分值就是他喜欢或者讨厌的程度了，得负数的电影他肯定是不喜欢吧。

“这个好，这样的话爱打高分的人和爱打低分的人也能放在一起比较了。”

行，那就先用这种方法吧。

“别急啊，找到相似的人了之后呢，不是还要填空么？”

跟他相似的人打了多少分，就认为他也会打多少分咯。

“ok，那我就找跟他最相似的 5 个人，算他们每个人对这个电影打的平均分吧。这个当做他会对这个电影打的分数。”

别忘了，跟他 最相似的 5 个人，相似程度也是不一样的，所以，还得考虑一下。

“ok，小意思，我知道怎么弄了。”