基于用户的协同过滤推荐算法原理和实现.docx
版权申诉
74 浏览量
2022-05-30
22:20:11
上传
评论
收藏 181KB DOCX 举报
基于用户的协同过滤推荐算法原理和实现
在推荐系统众多方法中，基于用户的协同过滤推荐算法是最早诞生的，原理也
较为简单。该算法 1992 年提出并用于邮件过滤系统，两年后 1994 年被 GroupLens
用于新闻过滤。一直到 2000 年，该算法都是推荐系统领域最著名的算法。
本文简单介绍基于用户的协同过滤算法思想以及原理，最后基于该算法实现园
友的推荐，即根据你关注的人，为你推荐博客园中其他你有可能感兴趣的人。
基本思想
俗话说“物以类聚、人以群分”，拿看电影这个例子来说，如果你喜欢《蝙蝠侠》、
《碟中谍》、《星际穿越》、《源代码》等电影，另外有个人也都喜欢这些电影，
而且他还喜欢《钢铁侠》，则很有可能你也喜欢《钢铁侠》这部电影。
所以说，当一个用户 A 需要个性化推荐时，可以先找到和他兴趣相似的用户群
体 G，然后把 G 喜欢的、并且 A 没有听说过的物品推荐给 A，这就是基于用户的
系统过滤算法。
根据上述基本原理，我们可以将基于用户的协同过滤推荐算法拆分为两个步骤：
1. 找到与目标用户兴趣相似的用户集合
2. 找到这个集合中用户喜欢的、并且目标用户没有听说过的物品推荐给目标用户
1. 发现兴趣相似的用户
通常用 Jaccard 公式或者余弦相似度计算两个用户之间的相似度。设 N(u) 为
用户 u 喜欢的物品集合，N(v) 为用户 v 喜欢的物品集合，那么 u 和 v 的相似度
是多少呢：
Jaccard 公式：
余弦相似度：
资源评论
