目前商用的推薦機(jī)制都為混合式推薦芳誓，將用戶屬性余舶、項(xiàng)目屬性、用戶操作行為锹淌、聚類算法匿值、基于用戶、基于項(xiàng)目赂摆、基于內(nèi)容等混合推薦挟憔。本文主要介紹混合推薦的推薦原理钟些、推薦過程、代碼實(shí)現(xiàn)绊谭。
一政恍、基于用戶/項(xiàng)目的混合協(xié)同過濾推薦算法推薦原理
混合推薦可使用的數(shù)據(jù)包括：
1、用戶屬性：用戶位置达传、用戶性別篙耗、用戶年齡等屬性信息；
2宪赶、項(xiàng)目屬性：項(xiàng)目類別宗弯、項(xiàng)目添加時(shí)間、項(xiàng)目?jī)?nèi)容等屬性信息搂妻；
3蒙保、用戶操作行為：用戶評(píng)分、收藏記錄欲主、瀏覽記錄邓厕、觀看時(shí)長(zhǎng)、購(gòu)買記錄等操作行為扁瓢；
混合推薦方法可以是先將數(shù)據(jù)進(jìn)行聚類（用戶聚類邑狸、項(xiàng)目聚類等），可進(jìn)行多次聚類涤妒，聚類算法常用的有KMeans聚類、Canopy聚類赚哗、KMeans+Canopy聚類她紫、迷糊均值聚類等聚類算法，然后找到目標(biāo)用戶所在的簇屿储，用簇中的項(xiàng)目或者用戶進(jìn)行推薦贿讹，推薦可根據(jù)多種操作行為分別推薦，然后將推薦的結(jié)果進(jìn)行平均加權(quán)求和够掠，需要提前設(shè)定每種推薦算法的權(quán)重民褂，或者分別計(jì)算不同操作行為的用戶或者項(xiàng)目的相似度，將相似度進(jìn)行加權(quán)求和疯潭，然后再進(jìn)行最后的推薦赊堪，相似度的計(jì)算可采用余弦算法、修正余弦算法竖哩、person皮爾森算法哭廉、歐幾里得距離公式等算法，推薦機(jī)制可采用SlopeOne相叁、SVD等遵绰。
總之辽幌，混合推薦算法比較靈活，適合自己的才是最好的椿访。
本文的實(shí)現(xiàn)代碼以movielens電影評(píng)分?jǐn)?shù)據(jù)為例，java語言開發(fā)成玫，實(shí)現(xiàn)了基于電影評(píng)分和用戶屬性的協(xié)同過濾混合推薦算法
下載地址：https://download.csdn.net/download/u011291472/11967745
該程序僅供學(xué)習(xí)和測(cè)試使用加酵。
作者專業(yè)長(zhǎng)期研究各種協(xié)同過濾推薦算法，歡迎留言梁剔、私信互相交流學(xué)習(xí)虽画，后續(xù)會(huì)不斷更新不同的協(xié)同過濾推薦算法，歡迎關(guān)注荣病。
