个性化推荐
windy444
数据挖掘--简单就是美
展开
-
基于用户的协同过滤
步骤:1. 找出与当前用户最相似的k个用户2. 计算出所有被这k个用户购买的商品,并且为每个商品赋一个权重3. 根据权重排序,并且过滤当前用户已经买过的商品关键在于如何找出最相似的用户,以及如何给商品权重。相似用户可以用余弦夹角计算距离。商品权重可以看以往的购买历史之类的。缺点:1. 计算复杂度高2. 实时要求达不到原创 2011-12-06 13:53:33 · 574 阅读 · 0 评论 -
Item-based协同过滤
论文:Item-Based Top-N Recommendation Algorithms过程:1. 构建一个m*m的矩阵,每一列最多有k个非0值,比如第j列,非0值代表和第j个item最相关的k个item。k一般10-20,不会很大,保持矩阵的稀疏性。2. 推荐的方式如此:构建m*1的矩阵,表示当前用户购买过的item,1表示购买,0表示未购买。以此为输入,3. 上述矩阵相乘原创 2011-12-29 13:49:42 · 1283 阅读 · 0 评论