互联网营销推荐算法理论-30分钟理解协同过滤

 

一、协同过滤概念

不论在淘宝还是京东，你浏览了/购买了某个商品A，后面几天你在该app内总是会在首页看到商品A和商品A相似的商品，背后支撑这种能力的就是推荐系统，而其推荐算法可能就是协同过滤。（注：app内的这种广告推荐能力是可以被关闭的，感谢人民政府）

核心思想

物以类聚，人以群分

两个思考角度：

1）与你喜好类似的 人 喜欢的东西 可能你也喜欢 ——user-based CF

2）跟你喜欢的 东西 相似的东西 可能你也喜欢 ——item-based CF

后续章节默认围绕user-based CF进行讲解，最后章节会简单介绍item-based CF计算过程

名词释义

协同：协, 众之同和也。同, 合会也——《说文》，协调两个或者两个以上的不同资源或者个体，协同一致地完成某一目标的过程或能力。

协同过滤：将许多用户和物品的相关信息汇集到一起，找出相同或相似的喜好物品，将他们从这个大集合中过滤出来。——个人解释

二、基于协同过滤算法的推荐流程

2.1 数据收集&整合

使用该算法的前提是经历过基础数据的收集沉淀，协同过滤算法主要使用的数据是用户对商品的交互信息，如购买、评分等可被量化的信息。

购买行为，如购买过商品A记为1，未购买过商品A记为0

评分行为，如每个用户对商品A的独立评分

按照评分行为，最高评分为5分，我们按照不同用户和不同商品构建透视图表——也叫矩阵：<举例商品粒度较粗>

	口红	香水	粉底	眼霜	面霜	洗发水	洗面奶	护发素
小明			4			5	4	5
小熊	5	3	4		2		4
小璇		1