学习笔记：基于启发式的协同过滤推荐算法

协同过滤推荐算法可以分为 基于启发式 和 基于模型式 两种。基于启发式的协同过滤算法，又可以分为基于用户的协同过滤算法和基于项目的协同过滤算法。我首先细致学习了基于启发式的协同过滤算法。
启发式协同过滤算法主要包含3个步骤：
1）收集用户偏好信息；
2）寻找相似的商品或者用户；
3）产生推荐。
协同过滤的输入数据集主要是用户评论数据集或者行为数据集。这些数据集主要又分为显性数据和隐性数据两种类型。其中，显性数据主要是用户打分数据，譬如用户对商品的打分，五分制的1分，2分等。隐性数据主要是指用户点击行为、购买行为和搜索行为等，这些数据隐性地揭示了用户对商品的喜好。

一、基于用户的协同过滤
用相似统计的方法得到具有相似爱好或者兴趣的相邻用户，所以称为以用户为基础的协同过滤或基于邻居的协同过滤。
首先，收集用户信息，一般的网站系统使用评分的方式或是给予评价，这种方式被称为“主动评分”。另外一种是“被动评分”，是根据用户的行为模式由系统代替用户完成评价，不需要用户直接打分或输入评价数据。电子商务网站在被动评分的数据获取上有其优势，用户购买的商品记录是相当有用的数据。
然后，构建用户-项目（User/Item）评分矩阵，用Rij表示用户Ui对项目Ij的评分，如果没有评分则Rij=0;
接着，计算最近邻居，假设每一个用户对项目的评分都是一个在n维的空间向量，用计算空间向量的相似度代替计算用户相似性的这样的抽象问题。主要通过下方三种方式来计算用户间的相似度：
1）余弦相似度
余弦相似度主要通过假设在n 维的空间中的评分向量的夹角余弦值来进行计算，将获取用户相似度的目的转换为计算两个不同向量的夹角余弦的值。其中两个向量 、，分别表示用户i、j 在n 维空间的评分，计算公式为：

2）修正的余弦相似度
上边的公式过于理想化，没有考虑到每个人的评分标准是不同的。为了计算的精确性，通过将用户对某项目的评分减去用户对所有项目评分的平均评分，来解决用户间评分尺度不同的问题，公式为：

其中， 和 分别表示用户 i 和用户 j 评分过的推荐对象集合，示的是用户 i和 j的有过共同评分的对象集,用户i、j对项目I的评分分别表示为和，和 分别表示用户i和用户j的平均评分。

3）皮尔逊相似系数
用户i、j之间的相似性也通过皮尔逊相关系数度量，计算公式为：

其中a表示项目，Iij表示用户i与用户j评价过的项目集合的并集，Ri,a表示用户i对项目a的评分，表示用户i的平均评分，Rj,a表示用户j对项目a的评分，表示用户j的平均评分。
随后，依据上一步计算的用户相似度找到目标用户的K个最近邻居，借助这K个最近邻居计算用户对项目的预测评分，设N为用户最近邻居的集合，预测评分为，公式为：

在公式中,用表示用户n对项目I的评分，用表示用户u与n的相似性，用、 分别表示用户u与用户n对项目的平均评分。
通过上述几步的计算，即可获取目标用户对所有未评分的商品的预测评分，最后选择预测分值最高的Top-N个项目推荐给目标用户。

二、基于项目的协同过滤
以项目为基础的协同过滤方法有一个基本的假设“能够引起用户兴趣的项目，必定与其之前评分高的项目相似”，通过计算项目之间的相似性来代替用户之间的相似性。
首先，依然是收集用户信息，这个和上边的一样。
然后，构建用户-项目（User/Item）评分矩阵。
接着，计算已评价项目和待预测项目的相似度Wi,j，例如：要对项目 A 和项目 B 进行相似性计算，要先找出同时对 A 和 B 打过分的组合，对这些组合进行相似度计算，常用的算法类似用户为基础的协同过滤。
随后，计算用户u对项目i的兴趣。公式为：

这里N(u)是用户喜欢的物品的集合，S(i,K)是和物品i最相似的K个物品的集合，wi,j是物品i和j的相似度，ru,j是用户u对物品j的兴趣。该公式的含义是，和用户历史上感兴趣的物品越相似的物品，越有可能在用户的推荐列表中获得比较高的排名。
最后，为目标用户推荐的项目是目标用户没有评分同时预测评分高的项目。推荐项目的预测评分越高，目标用户对推荐的项目越感兴趣。

（学习时摘抄了几位大佬的文章，纯粹是自学使用的，感谢各位大佬的分享）