基于
Python
的协同过滤算法的设计与实现
张玉叶
1
,宿
超
2
【摘
要】
协同过滤算法是推荐系统中最常用的推荐算法之一,该算法的关键是
计算物品或用户的相似度,通常采用同现矩阵来实现,因同现矩阵是一稀疏矩
阵,已有的一些推荐系统中通常采用二维数组来存放同现矩阵,利用第三方扩
展库
Numpy
来计算推荐评分,时间空间效率相对较低,利用
Python
内置的
序列字典来存放稀疏矩阵,自行编写相应的代码来求解推荐评分,可有效提高
算法的时间、空间效率。
【期刊名称】
山东广播电视大学学报
【年
(
卷
),
期】
2019(000)002
【总页数】
4
【关键词】
推荐系统;协同过滤;同现矩阵
一、引言
随着网络的飞速发展,网络信息飞速增长,人们面临着“信息过载”和“信息
迷航”的问题。借助于搜索引擎,人们可以从海量信息中查找到自己所需的信
息。但是,搜索引擎只适用于在有明确需求的情况下帮人们查找信息,如果在
没有明确需求的情况下,搜索引擎则难以帮助人们有效地筛选信息。此时推荐
技术应运而生,它通过研究用户的兴趣偏好,自动建立起用户和信息之间的联
系,从而帮助用户从海量信息中去发掘自己潜在的需求。
推荐系统是建立在海量数据挖掘基础上的,它通过分析用户的历史数据来了解
用户的需求和兴趣,从而将用户感兴趣的信息、物品等主动推荐给用户,其本
质是建立用户与物品之间的联系。常用的推荐算法主要有专家推荐、基于统计