首页 / 算法 / 2、前奏之基于用户的协同过滤算法：UserCF

2、前奏之基于用户的协同过滤算法：UserCF

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了2、前奏之基于用户的协同过滤算法：UserCF，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含523字，纯文字阅读大概需要1分钟。

内容图文

仅仅基于用户行为数据设计的推荐算法一般称为协同过滤算法，方法有：

  • 隐语义模型
  • 基于图的随机游走算法
  • 基于邻域的方法：应用最广泛
    • 基于用户的协同过滤算法：给用户推荐和他兴趣相似的其他用户喜欢的物品
    • 基于物品的协同过滤算法：给用户推荐和他之前喜欢的物品相似的物品　

两步走：

  1. 找到和目标用户兴趣相似的用户的集合
  2. 找到这个集合中的用户喜欢的，且目标用户没有听过的商品推荐给目标用户

一、找到和目标用户兴趣相似的用户的集合

1、关键是计算两用户的兴趣相似度，主要利用行为的相似度计算兴趣相似度

  • jiacard相似度计算

         技术分享图片

 

  • 余弦相似度计算：常用

         技术分享图片

 

  • 余弦相似度改进：对商品流行度惩罚，商品越流行，对相似度贡献值越低

          技术分享图片

 

2、计算用户的相似度矩阵

 

二、找到这个集合中的用户喜欢的，且目标用户没有听过的商品推荐给目标用户

1、计算用户u对物品i的偏好值，

   技术分享图片

  1. 在相似度矩阵中按照相似度对用户u关联的用户字典降序排列
  2. 取出前K个用户
  3. 取出和商品 i 用过交互的用户的列表或集合
  4. 取2和3的交集
  5. 对相似度和偏好值累加求和

2、计算推荐列表

 

原文：https://www.cnblogs.com/lybpy/p/9821750.html

内容总结

以上是互联网集市为您收集整理的2、前奏之基于用户的协同过滤算法：UserCF全部内容，希望文章能够帮你解决2、前奏之基于用户的协同过滤算法：UserCF所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1141203.html

来源：【匿名】