推荐系统笔记--基于物品的协同过滤(Item CF)

1--基本原理

        Item CF的原理是根据物品的相似度来将新的物品推荐给用户;下图中用户对红色物品的感兴趣度为 [2, 1, 4, 3],红色物品与橙色物品的相似度为 [0.1, 0.4, 0.2, 0.6],因此可以计算出用户对橙色物品的感兴趣度。

        Item CF的基本思想是:如果用户A喜欢物品 item1,而且物品 item1 和 物品 item2 很相似,那么用户很可能也喜欢 item2,因此可以将 item2 推荐给用户A;

2--物品相似度

        一般来说,两个物品的受众重合度越高,两个物品越相似。

3--ItemCF召回流程

① 离线计算维护两个索引:用户→物品物品→物品

② 线上召回:

猜你喜欢

转载自blog.csdn.net/weixin_43863869/article/details/134366157
今日推荐