基于用户/项目的混合协同过滤推荐算法的推荐原理、推荐过程、代码实现 混合推荐算法 聚类、属性、评分混合推荐项目代码实现
22 浏览量
2021-01-07
07:10:43
上传
评论 11
收藏 44KB PDF 举报
基于用户基于用户/项目的混合协同过滤推荐算法的推荐原理、推荐过项目的混合协同过滤推荐算法的推荐原理、推荐过
程、代码实现程、代码实现 混合推荐算法混合推荐算法 聚类、属性、评分混合推荐项目聚类、属性、评分混合推荐项目
代码实现代码实现
目前商用的推荐机制都为混合式推荐，将用户属性、项目属性、用户操作行为、聚类算法、基于用户、基于项目、基于内容等
混合推荐。本文主要介绍混合推荐的推荐原理、推荐过程、代码实现。
一、基于用户一、基于用户/项目的混合协同过滤推荐算法推荐原理项目的混合协同过滤推荐算法推荐原理
混合推荐可使用的数据包括：
1、用户属性：用户位置、用户性别、用户年龄等属性信息；
2、项目属性：项目类别、项目添加时间、项目内容等属性信息；
3、用户操作行为：用户评分、收藏记录、浏览记录、观看时长、购买记录等操作行为；
混合推荐方法可以是先将数据进行聚类（用户聚类、项目聚类等），可进行多次聚类，聚类算法常用的有KMeans聚类、
Canopy聚类、KMeans+Canopy聚类、迷糊均值聚类等聚类算法，然后找到目标用户所在的簇，用簇中的项目或者用户进行
推荐，推荐可根据多种操作行为分别推荐，然后将推荐的结果进行平均加权求和，需要提前设定每种推荐算法的权重，或者分
别计算不同操作行为的用户或者项目的相似度，将相似度进行加权求和，然后再进行最后的推荐，相似度的计算可采用余弦算
法、修正余弦算法、person皮尔森算法、欧几里得距离公式等算法，推荐机制可采用SlopeOne、SVD等。
总之，混合推荐算法比较灵活，适合自己的才是最好的。
二、代码实现二、代码实现
本文的实现代码以movielens电影评分数据为例，java语言开发，实现了基于电影评分和用户属性的协同过滤混合推荐算法
下载地址：https://download.csdn.net/download/u011291472/11967745
该程序仅供学习和测试使用。
作者专业长期研究各种协同过滤推荐算法，欢迎留言、私信互相交流学习，后续会不断更新不同的协同过滤推荐算法，欢迎关作者专业长期研究各种协同过滤推荐算法，欢迎留言、私信互相交流学习，后续会不断更新不同的协同过滤推荐算法，欢迎关
注。注。
作者：linge511873822
资源评论
