个性化推荐系统Note2：usercf的理论部分与理论升级

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/changingseasons/article/details/86499201

本文为随堂学习笔记 课程见慕课-->个性化推荐算法实战入门必修课

User cf

• 给用户推荐相似兴趣用户感兴趣的物品

• 如何评价相似兴趣用户集合

• 找到集合用户感兴趣的而目标用户没行为过的item

• example

  

  用户 u 和 v 的相似度 

  N（u）用户u行为过的item的集合

  用户u对item i 的推荐得分

• rvi 表示用户v对item i的行为得分

  扫描二维码关注公众号，回复： 4940257 查看本文章

  u（i）表示对item i 行为过的用户集合

用户v是与用户u相似的前top k个用户，且有item i 被v行为过但没被u行为过

• 公式升级

  1.理论意义:降低那些异常活跃物品对用户相似度的贡献

  

  2.理论意义：不同用户对同一item行为的时间段不同应该给予时间惩罚

  ​