《基于用户的协同过滤电影推荐算法分析案例》2200字.docx

基于用户的协同过滤电影推荐算法分析案例

考虑到相似性的协同过滤的不同，Breeze等人将协同过滤算法分成基于用户的协调过滤算法和基于项目的协调过滤算法。3.1基于用户的协同过滤算法

基于用户的协同过滤推荐算法最根本要点是：

①全部顾客的兴趣信息都来自顾客对不同项目的评价。

②顾客之间的行为可以反馈出他们在一定程度上的相似性。

③全部顾客对项目的评分可以和它具有共同爱好的顾客评价相同。

基于用户的协同过滤推荐算法的根本思路是：根据用户用户的得分来计算用户之间的相似性，并发现与目标用户的兴趣类似的用户集合。接着，用最近集合的得分预测目标项目的目标用户的得分。最后，将最高预测分数项目用作推荐列表。