【推荐系统】基于物品的协同过滤算法
【摘要】 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:
计算物品之间的相似度;
根据物品的相似度和用户...
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:
- 计算物品之间的相似度;
- 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
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)