基于协同过滤的商品个性化推荐

上次在用回归模型研究豆瓣短评top500的代表性时，爬了一份用户影视评分数据，今天结合协同过滤算法，做一个简易的“推荐系统”，将特定商品——影视作品推荐给潜在感兴趣的参与打分的用户。

数据：包含24594条记录，涉及54部影视作品和19317位用户
算法与R语言包：协同过滤算法、recommenderlab包
具体步骤：数据预处理（主要是转化为稀疏矩阵）——推荐建模（topN；评分状况）+ 结果分析

1. 数据预处理
   recommenderlab的建模函数对数据格式有要求，必须为realRatingMatrix，且矩阵太稀疏的话，由信息不足导致的推荐建模效果会很差。
   因此预处理主要有两点：（1）删去评价次数少于6的用户；（2）转化为稀疏矩阵
   
   
2. 推荐建模
   从出发点来看：主要分为基于用户相似性、基于商品相似性、最受欢迎推荐、随机推荐
   从结果来看：主要是topN（即输出用户最可能感兴趣的N部作品）和评分模型ÿ