在上网购物、看小说、买电影票的时候,都会遇到各种各样的推荐,给我们推荐一些我们曾经买过或收藏过的同类型产品,或者是推荐一些我们看过的小说题材相同的小说。那这些产品推荐都是如何实现的呢?我们今天就来聊聊这些“无聊”的算法。
在互联网的应用中,常用的推荐算法有:协同过滤推荐算法(Collaborative Filtering
Recommendation)、内容推荐算法(Content-based Recommendation)、相似性推荐算法(Similarity
Recommendation)、关联规则推荐算法(Association Rule Based
Recommendaion)。不同的算法都有不同的应用场景,合理的应用这些算法,能够为我们带来更多的经济效益。
协同过滤推荐算法(Collaborative Filtering Recommendation)
协同过滤算法在电子商务领域可以说是炙手可热,很多的电商平台都是使用的它来做的自己平台的商品推荐。
啥是协同过滤呢?
简而言之,就是找到相同兴趣的群体,将这个群体中感兴趣的其他信息推荐给用户。
我们用一个简单的例子来说明这个算法:
如果你在学习C/C++的过程中遇到了问题,可以来加入小编的企鹅圈问小编哦~小编很热情的(●’◡’●)
我喜欢看网络小说,但是,看网络小说最讨厌的是什么?就是书荒。一本书看完了,下一本看什么呢?挨个的翻开看几章?浪费时间。看书评吧,不是喷子就是托。
这个时候,协同过滤就有用了。
我是用户A,我喜欢看《极品家丁》、《斗破苍穹》、《诛仙》,这些是我的兴趣。怎么定义我的兴趣呢?可以是我看过超过100章的书,可以是我收藏的书,可以是我好评过的书,总之,我们要先行定义一个纬度。
我的兴趣有了,其他用户也会有同样的兴趣,当其他用户的兴趣和我的兴趣相同时,就可以把这些用户感兴趣的书都推荐给我了。
具体的实施步骤如下:
我们先要建立一个大表,X轴就是我们所有的小说(从数据库