Item base collaboration filtering
ItemCF算法,通过用户对另外的N个物品的打分以及别的用户对目标物品和另外N个物品的打分来计算得出用户对该物品的感兴趣程度
s1.将物品评分向量表示,
小明 | 小红 | |
---|---|---|
物品1 | 1 | 2 |
物品2 | 2 | 5 |
s2.计算基础相关性
s
i
m
(
I
t
e
m
i
,
I
t
e
m
j
)
=
I
t
e
m
i
⋅
I
t
e
m
j
∣
I
t
e
m
i
∣
⋅
∣
I
t
e
m
j
∣
sim(Item_i,Item_j)= \frac{Item_i·Item_j}{|Item_i|·|Item_j|}
sim(Itemi,Itemj)=∣Itemi∣⋅∣Itemj∣Itemi⋅Itemj
s3,利用基础相关性+用户行为计算最终推荐结果TopN
r
e
l
(
U
s
e
r
i
,
I
t
e
m
j
)
=
∑
k
s
i
m
(
I
t
e
m
k
,
I
t
e
m
j
)
⋅
r
a
t
e
(
U
s
e
r
i
,
I
t
e
m
k
)
rel(User_i,Item_j)=\sum_{k}sim(Item_k,Item_j)·rate(User_i,Item_k)
rel(Useri,Itemj)=k∑sim(Itemk,Itemj)⋅rate(Useri,Itemk)