原址https://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html
Google的核心:PAGERANK可以这样解释-------每个页面都是一个投票者和被投票者,pagerank通过迭代得到一个相对稳定的评分。
没有复习好 跪在了ALS上
协同过滤的核心:1)收集用户的偏好 2)找到相似的用户或者物品3)计算推荐
1)收集信息
2)计算相似度
欧氏距离 x,y是n维空间上的两个点 当n=2时 代表平面上的两个距离
距离越小相似度越大
皮尔孙相关系数
用于计算两个定距变量间关系的紧密程度,取值在【-1,1】之间。sx, sy是 x 和 y 的样品标准偏差。