推荐系统学习笔记-基于领域的推荐算法

原理

找到和目标用户兴趣相似的用户集合。
找到这个集合中的用户喜欢的,且目标用户没有听过的物品推荐给目标用户。
通俗点讲,就是物以类聚,人以群分

UserCF算法

推荐系统学习笔记-基于领域的推荐算法_第1张图片

推荐系统学习笔记-基于领域的推荐算法_第2张图片
算法步骤:

1找到和目标用户兴趣相似的用户集合;
2将集合中用户喜欢的未出现在目标用户的兴趣列表中的item以一定的权值排序后推荐给用户
用户相似度计算:

推荐系统学习笔记-基于领域的推荐算法_第3张图片
推荐系统学习笔记-基于领域的推荐算法_第4张图片
改进:

1由于很多用户两两之间并没有对同样的物品产生过行为,用用户-物品表计算用户相似度很多时候计算都是浪费的,可以利用物品-用户倒排表简化计算。
2加入热门商品惩罚,用户对冷门物品采取相同行为更能说明两者的相似性

推荐系统学习笔记-基于领域的推荐算法_第5张图片

推荐系统学习笔记-基于领域的推荐算法_第6张图片
对应这段
推荐系统学习笔记-基于领域的推荐算法_第7张图片


推荐系统学习笔记-基于领域的推荐算法_第8张图片

对应这段

推荐系统学习笔记-基于领域的推荐算法_第9张图片


ItermCF算法

算法步骤:

1计算物品之间的相似性
2根据物品的相似度和用户的历史行为给用户生成推荐列表


对每个用户建立一个包含他喜欢的物品的列表。
将他物品列表中的物品两两在共现矩阵C中加1

推荐系统学习笔记-基于领域的推荐算法_第10张图片

推荐系统学习笔记-基于领域的推荐算法_第11张图片

推荐系统学习笔记-基于领域的推荐算法_第12张图片

推荐系统学习笔记-基于领域的推荐算法_第13张图片
对应这段

推荐系统学习笔记-基于领域的推荐算法_第14张图片

推荐系统学习笔记-基于领域的推荐算法_第15张图片

推荐系统学习笔记-基于领域的推荐算法_第16张图片
推荐系统学习笔记-基于领域的推荐算法_第17张图片
对应这段

推荐系统学习笔记-基于领域的推荐算法_第18张图片

对比

推荐系统学习笔记-基于领域的推荐算法_第19张图片

你可能感兴趣的:(推荐系统学习笔记,kaggle,机器学习笔记,学习,推荐算法,算法,人工智能)