没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
4页
基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx基于用户的协同过滤推荐算法原理和实现.docx
资源推荐
资源详情
资源评论
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
春哥111
- 粉丝: 1w+
- 资源: 5万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功