1.例子解析(item协同过滤)
1.1推荐思路
假如有A,B,C,D四个用户,且每个用户对a,b,c,d四个项目有过点击浏览,关系图如下:
首先该算法的基本思想是协同过滤,协同过滤的方式是基于用户行为的,如果喜欢两个物品的用户重合度更高,两个物品也就更加的相似,即用户重合度的高低是决定物品相似度的高低.
如图,我们假设用户A对suv有兴趣,那么该用户就会浏览多品牌suv作为对比,所以通过用户A的浏览记录,我们就知道这些产品是相似的suv产品,但是这样的数据太过于片面,所以我们需要更多的用户的浏览记录作为参考:
用户B既喜欢suv又喜欢轿车,基本是车就看.
用户C主要喜欢suv但偶尔也看轿车.
用户D主要喜欢轿车但偶尔也看suv.
假如此时要给用户C推荐,根据用户C之前的浏览记录b,c,d,查找b,c,d的浏览用户,并寻找出重合度最高的商品,图那么关系图如下:
从图中可以看出,商品d与a的用户重合度最高,所以此时可以先用户C推荐商品a;
扫描二维码关注公众号,回复:
2764305 查看本文章
1.2数学公式
协同过滤的数学公式(物品相似度矩阵):
的温度稳定