第7章 用户画像及推荐系统.pptx

;;;;;;;;;;;;;;;;;;;;;;;;（2）确定最近邻居用户; 设U={u1,…un}代表用户集，P={p1,…pm}代表物品集。n×m的评分矩阵R=[rij]，其中i∈1…n，j∈1…m。用Pearson相关系数来衡量两用户之间评分向量的相似度Sim（u1,u2），确定邻居用户集。相关系数的取值为[-1,1]，代表从强负相关到强正相关。; 同理可得到Tom与用户2的相似度为-0.84。 综上，我们得出Tom的最近邻用户是用户1，相似度为0.84，意味着用户1 的评分行为与目标用户更为相似。;;;（2）确定最近邻居物品;（3）评分预测;基于用户和基于物品两种算法共同存在的问题：;;;;;;