【第一节：零基础学习推荐系统系列之UserCF的初识】到底什么是UserCF,到底是如何计算用户相似度的

协同过滤：

在协同过滤中，用户相似度的计算是关键的一笔。

问题：如何的用户X对苹果手机的喜爱与否？

	电视机	智能手表	苹果手机	华为手机
用户A	👍	😒	😒	😒
用户B	😒	👍	👍	😒
用户C	😒	😒	😒	👍
用户D	😒	👍	👍	😒
用户X	😒	👍	？	👍

物品-用户的共现矩阵中的行向量代表相应用户的用户向量，计算用户相似度就是计算两个用户行向量之前的相似度：

①余弦相似度

衡量两个向量之间的夹角，夹角越小，两个用户越相似
$$sim(\mathbf{i},\mathbf{j})=cos(\mathbf{i},\mathbf{j})=\frac{\mathbf{i}\cdot \mathbf{j}}{||\mathbf{i}||\cdot ||\mathbf{j}||}$$
其中i和j是向量，加了粗体，假如设i是用户B，j是用户D，点赞为1，哭脸为0，那么i可以表示为(0,1,1,1)，j可以表示为(0,1,1,0). 那么这两个用户相似度代入公式得：

i·j = 0x0 + 1x1 + 1x1 + 1x0 = 2

||i|| = (0^2 + 1^2 + 1^2 + 1²⁾1/2 = 根号3

||j|| = (0^2 + 1^2 + 1^2 + 0²⁾1/2 = 根号2

2/(根号2 x 根号3) ~~ 0.82 【这里是近似计算的】

计算得到用户B和用户D的相似度是 0.81 其实已经挺高了。

接下来我们找两个不那么相似的用户B和C，假设i是用户B，j是用户C，那么i依旧表示为(0,1,1,1)，j表示为（0,0,0,1），那么计算相似度代入公式得：

i·j = 0x0 + 1x0 + 1x0 + 1x1 = 1

||i|| = (0^2 + 1^2 + 1^2 + 1²⁾1/2 = 根号3

||j|| = (0^2 + 0^2 + 0^2 + 1²⁾1/2 = 1

1/(根号3 x 1) ~~ 0.58 【这里是近似计算的】，此时相似度就下降了

缺点：

余弦相似度的主要缺点是用户向量存在非1即0的逻辑，只考虑了用户对某一个物品喜欢或者不喜欢，而没有考虑用户对物品的喜欢程度和讨厌程度，从向量来说，就是只考虑了用户向量的方向，而没有考虑长度。

②皮尔逊相关系数：

相较于余弦相似度，皮尔逊相关系数考虑了用户评分大小的因素，并且使用用户平均分对该用户平均评分习惯进行了修正，减少了某一个用户评分偏高或者偏低的影响。

注释：R(i,p) 代表用户i物品p的评分
$$sim(\mathbf{i},\mathbf{j})=\frac{{\sum }_p{\in }_P(R_i{,}_p-{\bar{R}}_i)(R_j{,}_p-{\bar{R}}_j)}{\sqrt{{\sum }_p{\in }_P(R_i{,}_p-{\bar{R}}_i{)}^2}\sqrt{{\sum }_p{\in }_P(R_j{,}_p-{\bar{R}}_j{)}^2}}$$
该公式看起来似乎比较麻烦，其实可以这么来理解，先将公式分子分母 【减R的平均】这部分去掉，去掉之后是这样的：
$$sim(\mathbf{i},\mathbf{j})=\frac{{\sum }_p{\in }_P(R_i{,}_p)(R_j{,}_p)}{\sqrt{{\sum }_p{\in }_P(R_i{,}_p{)}^2}\sqrt{{\sum }_p{\in }_P(R_j{,}_p{)}^2}}$$
这么看，就和余弦相似度的公式一样了：

分子是两个不同的用户向量的点积，将两个用户对相同的物品的评分乘起来相加，不正好是向量乘积运算么。

分母是该用户对每个物品评分的二次方相加后开方，不正好是该用户的向量的模么，两个用户向量的模相乘，不正好就是余弦相似度的分母么。

和余弦相似度不同的是，皮尔逊相关系数可以处理用户对物品打分的情况，而不是单一的喜欢还是不喜欢。

加上【减R的平均】这部分是排除个别用户打分习惯对相似计算造成的影响，如果用A平时打分就是很高，喜欢的是100，不喜欢的是90，可能其他用户如用户B喜欢的是60，不喜欢的是50，通过减去用户平均打分值，可以得到用户A喜欢的打分是100-((100+90)/2) = 5, 不喜欢的打分是：90-((100+90)/2)= -5分， 按照该公式得到用户B喜欢的打分是5分，不喜欢的打分是-5分，这样一来减轻计算压力，都换算为较小的数，二来可以发掘潜在用户的相似。

③皮尔逊相关系数引申

第二点是排除用户个人习惯打分参数，其实也可以排除物品被打分习惯参数，如果一个物品被大多数人接受，那么排除物品平均打分后这部分人的打分还是基本一样的，如果出现不一样的情况，一些人给物品i 打100分，一些人给物品i打50分，那么排除物品平均打分之后，会使得第一批人和第二批人内部之前愈发相似，而两批人之前愈发不相似，甚至出现第二批人不喜欢该物品的情况，因为排除掉平均分之后该评分甚至为负数了。

其实相似度计算也在不断的更新迭代，寻找更好的相似度计算方法。

④获得用户X对苹果手机的喜爱与否

通过上述三种相似度计算每个用户与用户X的相似度，取TopN的相似用户【例子中只有几个用户，其实现实中应该有很多用户参与计算】，利用这几个相似用户的苹果手机的评分 * 相似度得到用户X对苹果手机的喜爱分数。
$$R_u{,}_p=\frac{\sum {}_s{\in }_S(W_u{,}_s\cdot R_s{,}_p)}{{\sum }_s{\in }_S{W}_u{,}_s}$$
权重W(u,s)：用户u和用户s的相似度

R(s,p)：用户s对物品p的评分

公式定义：累加(每个用户和用户X的相似度 乘以 该用户对苹果手机的评分)，得到一个结果，该结果除以(每个用户和用户X的相似度之和)。 得到的结果就是用户X对苹果手机的喜爱程度。

结尾：评价基于用户的协同过滤 UserCF

1、在现实业务中，用户数量往往远大于物品数量，也就是计算用户之间相似度，需要存储历史大量的用户矩阵数据，该存储开销随着用户的增加会以较大的比例上升，对于存储系统是一个很大的挑战。

2、用户向量矩阵往往不止稠密的，而是稀疏的，大部分用户可获取的信息极为少，导致计算的时候寻找用户的相似用户很难实现，或者说实现后很难判断是否真的相似，对于获取用户评分较难的公司及业务很不友好，比如远程车票、旅游公司等等

我也是刚开始学习，欢迎在评论区讨论：🌹🌹🌹