作为推荐系统 这一系列的第二篇文章,我们今天主要来聊一聊目前比较流行的一种推荐算法——协同过滤; 当然,这里我们只讲理论,并不会涉及到相关代码或者相关框架的使用,在这一系列的后续文章,如果可能,我们可以将我们的所有理论知识整合一下,实践一个 推荐系统的 实战。
顾名思义,协同过滤就是指用户可以齐心协力,通过不断地和网站互动,使自己的推荐列表能够不断过滤掉自己不感兴趣的物品,从而越来越满足自己的需求。这种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,一般来说可以分为以下几种:
而今天我们要说的 基于用户的协同过滤 就是一种 基于邻域的方法
;
基于邻域的方法 又可以分为以下两种算法:。
user item1 item2 item3 A 1 1 0 B 1 1 1 C 0 1 1 这是一个简单的 user 和 item 的矩阵,如果user购买过item 则标识为1 ,否则为 0。
这里啰嗦一下,虽然算法分简单 和 复杂,但是和算法的效果是没有绝对的关系的,所以不要小看那些简单的算法噢。
上面讲完了 基于用户的协调过滤,那么我们成热打铁把 基于物品的协调 过滤也一块讲了
物品的协调过滤 不同于 基于用户的区别就在于:
好像差不多也就这些东西,弄懂基于用户的协同过滤之后,基于物品的也就是那么回事了,其主要特征如下:
ok!就这样了,感谢你的观看!!!