协同过滤推荐系统要点.ppt

协同过滤推荐系统搭建总结 什么是协同过滤 现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。 协同过滤是利用集体智慧的一个典型方法，协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。当然其中有一个核心的问题： 如何确定一个用户是不是和你有相似的品位？ 如何将邻居们的喜好组织成一个排序的目录？ 要实现协同过滤，需要一下几个步骤 收集用户偏好 找到相似的用户或物品 计算推荐 收集用户偏好 以下图为例，用户偏好收集的表示方式 在一般应用中，我们提取的用户行为一般都多于一种，关于如何组合这些不同的用户行为，有两种方式： 将不同的行为分组：一般可以分为“查看”和“购买”等等，然后基于不同的行为，计算不同的用户 / 物品相似度。类似于当当网或者 Amazon 给出的“购买了该图书的人还购买了 ...”，“查看了图书的人还查看了 ...” 根据不同行为反映用户喜好的程度将它们进行加权，得到用户对于物品的总体喜好。一般来说，显式的用户反馈比隐式的权值大，但比较稀疏，毕竟进行显示反馈的用户是少数；同时相对于“查看”，“购买”行为反映用户喜好的程度更大，但这也因应用而异。 收集了用户行为数据，还需要对数据