数据中台推荐系统入门（二）：两种经典的推荐算法

前言

所谓“物以类聚，人以群分”，基于用户的协同过滤算法就是基于这个原理来实现的。

你可能听过“啤酒与尿不湿”的故事：通过对一家超市的销售数据分析发现，有很多人在购买啤酒的同时又购买了尿不湿，这就是基于物品的协同过滤算法的案例。

读完本文你可以了解这两种算法的原理，并学会如何实现这两种算法。

1 基于用户的协同过滤算法

我们在生活中如何找到自己喜欢的商品呢？比如你想买一件衬衫，可能会看一下或者问一下周围的朋友都穿什么样的衬衫，在朋友的影响下，你有很大概率会到线上网店或者线下实体店中看一下这件衬衫。在推荐系统中，这就是一种向用户推荐感兴趣商品的方法，叫基于用户的协同过滤算法。

根据这个思路，我们可以看出基于用户的协同过滤算法主要分为2个步骤。

（1）找到和目标用户兴趣相似的用户。

这一步的关键是找到和目标用户相似的用户。我们看一下，在电商产品中如何通过用户的数据找到和目标用户相似的用户。

比如用户的下单数据为：①用户A下单购买了商品a、b、c；②用户B下单购买了商品a；③用户C下单购买了商品a、b。

通过这个简单的例子，我们可以看出，A和C的相似度显然高于A和B的相似度，因为A和C同时购买了商品a、b，而A和B仅仅同时购买了商品a。

那么如何通过算法计算用户A、B、C之间的相似度呢？这里可以引入余弦相似度公式。

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/116355129