基于内容的推荐算法:
x 表示电影的特征,x0 是bias,x1, x2 分别表示电影的两个特征
sita 表示参数
使用线性回归,对于用户已经评价过的电影,最小化cost,并加上正则项,n 表示特征数,即可得到单个用户的参数sita
对于所有的用户,最小化其cost之和,即可得到所有用户的sita参数
协同过滤
根据用户向量,学习电影特征:
协同过滤算法:
sita(用户参数) 和 x(电影特征向量) 都为止,最小化二者相加
使用很小的值初始化所有的sita 和 x,最小化上述 J 代价函数,计算sita 和 x 的偏导数,得到模型
向量化
得到电影特征向量后,可以计算两个电影的相似度,进行推荐: