CF算法计算商品间相似度

推荐系统中经常会用到商品之间的相似度这一数据，业界中最常用的算法莫过于CF算法了，根据用户行为来计算商品之间的相似度，我们可以用一个表格来表述这种算法的原理：

	Item1	Item2	Item3
User1	W11	W12	W13
User2	W21	W22	W23
User3	W31	W32	W33

在以上表格中Itemi表示的第i中商品，Useri表示第i个用户，而Wij则表示的是用户i对商品j的“评分”，此评分可以是根据行为设定的权重，或者是用户的真实打分。

如果要计算Item1和Item2之间的相似度

1.用户对Item1和Item2的行为可以看作两个一维的向量(w11,w21.w31),(w12,w22,w32)。

2.问题已转换为计算两个向量的相似度，我们可以用欧式距离或者Cos值来计算两个向量间的相似度。

代码实现见我的githup：https://github.com/Yancey1989/Algorithms/blob/master/python/cf.py

 

我的个人博客 http://www.yancey.info/?p=19