协同过滤

协同过滤算法有多个方法实现，基于邻域算法、隐语义模型、基于图的随机游走等
基于邻域算法公认效果较好的算法，分以下2类：
  基于用户协同过滤---推荐有共同爱好者喜欢的物品
  基于物品协同过滤---推荐历史物品相似的物品

一：基于用户协同过滤

场景：

user-item.png

用户	商品A	商品B	商品C	商品D
U1	√	√
U2	√		√
U3	√	√		√

分析：
U1为目标用户，用户相似度集合为{ U3 }
所以推荐itemD =》 U1
理论：
1、找到与目标用户兴趣相投的用户集合
2、找出集合用户喜欢的物品，且目标用户没有的推荐给他

step1:找到与目标用户兴趣相投的用户集合（用户相似度）

1. 余弦相似度

   
   
   cos(A,B).png

2. Jaccard系数

   
   
   jaccard.png

3.泊松相关系数

step2.
正排 => 倒排 => UU矩阵
倒排的意义：用户之间很多商品并没有交际

image.png