基于物品的协同过滤算法

目前业界应用最多的算法。

给用户推荐和他们之前喜欢的物品相似的物品。

其主要通过分析用户的行为记录计算物品之间的相似度。物品A和物品B具有很大的相似度是因为喜欢物品A的用户大都也喜欢物品B。

ItemCF 可利用用户的历史行为给推荐结果提供推荐解释。

ItemCF算法主要分为两步：

1. 计算物品之间的相似度；
2. 根据物品的相似度和用户的历史行为给用户生成推荐列表。

从“Customers Who Bought This Item Also Bought”出发，用下面的公式定义物品的相似度：

w i j = ∣ N ( i ) ∩

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/115767136