ItemKNN算法实战：通过ItemKNN算法实现基于协同过滤的商品推荐

项目概述：

• 推荐系统任务描述：通过用户的历史行为（比如浏览记录、购买记录等等）准确的预测出用户未来的行为；好的推荐系统不仅如此，而且能够拓展用户的视野，帮助他们发现可能感兴趣的却不容易发现的item；同时将埋没在长尾中的好商品推荐给可能感兴趣的用户。
• ItemKNN推荐算法概述：该算法属于比较传统、经典的算法，在学术界出现已久，在工业界也有这广泛的应用。首先KNN的思想是依据K个最近的样本来判断当前样本的类别、值等等，那么ItemKNN就是在对用户推荐商品时，依据当前商品最近的K个且与用户有过交互的商品，根据这K个商品来决定是否对当前商品进行推荐。
• 主要场景：数据挖掘》推荐系统》多模态召回
• 主要知识点：推荐系统》协同过滤推荐算法》邻域的协同过滤
• 数据集：https://download.csdn.net/download/qq_38735017/87088031
• 案例流程图

  

2.准备工作

• 运行环境：

    operator
    math

• 可以使用pip命令安装上述模块并制定版本：