尚硅谷协同过滤推荐.pdfVIP

Contents

01协同过滤要解决的问题

02推荐数据的准备

03相似度度量

04邻域大小

05基于用户的CF

06基于物品的CF

协同过滤要解决的问题

协同过滤算法主要用于推荐系统，推荐系统是信息过载所采用的措施，面对

海量的数据信息，从中快速推荐出符合用户特点的物品。一些人的“选择恐惧

症”、没有明确需求的人。

解决如何从大量信息中找到自己感的信息。

解决如何让自己生产的信息脱颖而出，受到大众的喜爱。

协同过滤要解决的问题

推荐数据的准备

用户行为类型特征作用

用户ID、物品ID、偏好值

整数量化的偏好，可能的取值是通过用户对物品的评分，可以精

评分显式

[0,n]；n一般取值为5或者是10确的得到用户的偏好

偏好值就是用户对物品的喜爱通过用户对物品的投票，可以较

投票显式布尔量化的偏好，取值是0或1

程度，推荐系统所做的事就是根精确的得到用户的偏好

据这些数据为用户推荐他还没有通过用户对物品的投票，可以精

确的得到用户的偏好。

见过的物品，并且猜测这个物品转发显式布尔量化的偏好，取值是0或1如果是站内，同时可以推理得到

用户喜欢的概率比较大。被转发人的偏好（不精确）

通过用户对物品的投票，可以精

保存书签显示布尔量化的偏好，取值是0或1

用户ID和物品ID一般通过系统确的得到用户的偏好。

的业务数据库就可以获得，偏标记一些单词，需要对单词进行分析，通过分析用户的，可以得到

显示用户对项目的理解，同时可以分

好值一般会有很多办法，(Tag)得到偏好析出用户的：喜欢还是讨厌

比如评分、投票、转发、保存书

一段文字，需要进行文本分析，通过分析用户的评论，可以得到

签、页面停留时间等等，然后系评论显示得到偏好用户的：喜欢还是讨厌

统根据用户的这些行为流水，采

用户的点击一定程度上反映了用

取减噪、归一化、等方法综点击流隐式一组用户的点击，用户对物品感户的注意力，所以它也可以从一

合给出偏好值。一般不同的业务(查看)，需要进行分析，得到偏好定程度上反映用户的喜好。

系统给出偏好值的计算方法不一