音乐推荐系统推荐函数简要说明
推荐算法思路
通过协同过滤计算和其他用户的距离进行筛选,假如用户数量不足或者推荐次数不足一定量,
则自动从未打分歌曲中按照浏览量填充歌曲数目。(分数同样也能通过用户历史浏览记录次
数来替代)
1.基于用户的推荐:通过用户已经打分的部分来计算相似度,如果用户未打分或者没有其他
用户则按照浏览数来返回排名
通过 pearson 算法可以用来计算用户之间的相似度也就是距离,可以找到距离最近的 M 个
用户,将这些用户中已打分的歌曲返回。
a. 求出用户-项目评分矩阵 R(m,n)其中 m 表示 m 个用户,n 表示 n 首歌曲,R(m,n)表示
评分 输入:数据库内容 输出:矩阵 R
b. 形成邻居用户,对于目标用户 u,搜索出最近的用户集合 U.使用皮尔逊相关系数计算用
户相似性度量 输入:相似度矩阵 输出:前 k 个用户的相似度大小
c. 得到近邻集合之后预测目标用户对未评价资源评分
2. 基于物品的推荐:计算物品相似度矩阵,遍历当前用户已经打分的物品,计算未打分 item
的相似距离,对相似距离排序返回。
3. 基于文本的推荐:通过歌曲的歌词文本分解出关键字以及权值,然后计算出与其他歌曲
之间的相似度,用于听歌数量过少时候的推荐
评论0