基于物品的协同过滤

算法描述

基于物品的推荐算法就是根据物品之间的关系做推荐。具体做法是:针对目标用户 A ,根据他历史喜欢的物品 A、B、C、D,推荐出与他喜欢物品相似的物品。

具体思路

1.计算物品相似度

Jaccard 如下计算,分子表示同时喜欢 物品A 和 物品B 的用户数,分母表示喜欢物品A的用户与喜欢物品B的用户的并集


余弦相似度计算如下,A 向量表示喜欢 物品A 的用户id向量 B向量表示喜欢 物品B 的用户id向量


基于物品的协同过滤_第1张图片
2. 根据用户历史行为生成推荐列表

获取待推荐目标用户点击、订阅、购买的物品列表,找到与目标用户历史点击、订阅、购买的书籍相似度较大的topN本书籍,给点击、订阅、购买行为进行人为增加不同权重,最后计算得到待推荐书籍的打分,取topN作为推荐结果

你可能感兴趣的:(基于物品的协同过滤)