[推荐系统]--协同过滤算法

协同过滤

协同过滤主要包含基于用户的协同过滤和基于商品的协同过滤

1. 基于用户的协同过滤

a. 找到和用户最近的其它用户，找到他们看/买过但当前用户没看/买过的item，根据距离加权打分。
b.找得分最高的items进行推荐

2. 基于商品的协同过滤

根据用户对商品/内容的行为，计算item之间的相似度，找到和当前item最近的进行推荐。

3.相似度/距离度量

• 欧氏距离 $$D_{1,2}=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2}$$
• Jaccard相似度 $$J(A,B)=\frac{{|A \cap B}}{|A \cup B|}$$
  狭义Jaccard相似度，计算两个集合之间的相似程度，元素的“取值”为0或1
• 余弦相似度 $$cos(\theta)=\frac{a^Tb}{|a|·|b|}$$
• Pearson相似度