推荐系统--相似性推荐

相似性推荐

没有历史数据的支持，对于新用户A，没有他的历史行为数据，在他点击了item-X的场景下，可以将与item-x最相似的item集合推荐给新用户A

问题转化为，如何用一种通用的方法，表达item之间的相似性

仍以电影推荐为例，新用户A进入了《我不是潘金莲》电影详情页，如何对A进行电影推荐？

1. 对于一部电影《我不是潘金莲》，假设他有10个属性，则可以把它看作是一个十维空间的点：
   点N《我不是潘金莲》
   {
   导演：冯小刚
   女主：范冰冰
   男主：郭涛
   女配：张嘉译
   男配：大鹏
   类型：剧情
   地区：中国大陆
   语言：普通话
   日期：2016
   片长：140
   }

对于二维，三维中的点，可以直接用直线距离计算远近，10维空间{导演，女主，男主，女配，男配，类型，地区，语言，日期，片长}中的两个点的距离，需要重新定义一个距离函数，例如：
distance=f1(导演)+f2(女主)+…+f10(片长)
这个距离。就是每个维度贡献分值的总和

函数可以自定义

分值可以这么定义：
f1(导演)
{
如果两部电影导演相同，得1分；
如果导演不同，得0分；
}

例如，有另一个点M《芳华》
{
导演：冯小刚
女主：苗苗
男主：黄轩
女配：NULL
男配：NULL
类型：剧情
地区：中国大陆
语言：普通话
日期：2017
片长：140
}

要计算M《芳华》与N《我不是潘金莲》的距离
distance=f1(导演)+f2(女主)+…+f10(片长)=1+0+…+1=5

即：导演，类型，地区，语言，片长相同各得1分，其他维度不同得0分

遍历电影全集中的10w部电影，就能找到与点N《我不是潘金莲》最相近的3部电影，当用户点击《我不是潘金莲》的详情页时，直接推荐这3部最相近的电影即可