機器學習 -- 推薦算法

協同過濾有兩種思路：

（1） 鄰居方法

       （a） 基於用戶。系統經過分析一個用戶和哪些用戶的特徵比較像，而後看看這些用戶喜歡買哪類的商品，再從這些商品裏挑出一些推薦給該用戶。

       （b） 基於商品。系統經過分析用戶的購買行爲來判斷用戶喜歡的商品類型，而後從那些用戶喜歡的商品類型裏挑出一些推薦給用戶。

（2） 基於模型的推薦算法。

 

1. 基於用戶的協同過濾

   如下面的用戶與商品偏好爲例，0 爲沒有興趣， 10爲很是有興趣。量化的方法能夠從用戶給產品的反饋打分上去看，也能夠從他購買的頻繁程度上去看，也能夠從他瀏覽的頻繁程度上去看。商品的分類究竟是大類仍是更小的分類，能夠經過實踐做調整。

 

  若以 用戶 00001 爲研究對象，要找到和他興趣最接近的人，怎麼作比較纔好？能夠使用餘弦類似性。利用如下的公式計算

其中 a，b 都是空間向量。若是它們方向一致，結果是1，表示很類似。那麼計算用戶 00002 和 用戶 00001 的已知部分的愛好類似程度：

 

2. 基於商品的協同過濾

   中心思想是「不少人喜歡商品A, 同時他們也喜歡商品 B，因此 A 和 B 應該是比較相似的商品。」

  （1） 計算商品之間的類似度

     其中分子是同時喜歡A 和 B 兩個商品的用戶數量，分母是喜歡A的用戶數量和喜歡 B 的用戶數量的乘積的平方根