基于用戶(hù)的協(xié)同過(guò)濾，適用于物品較少扁凛，用戶(hù)也不太多的情況忍疾。如果用戶(hù)太多了，針對(duì)每個(gè)用戶(hù)的購(gòu)買(mǎi)情況來(lái)計(jì)算哪些用戶(hù)和他品味類(lèi)似谨朝，效率很低下卤妒。如果商品很多，每個(gè)用戶(hù)購(gòu)買(mǎi)的商品重合的可能性很小字币，這樣判斷品味是否相似也就變得比較困難了则披。
還有一類(lèi)智能推薦算法，是“基于物品的協(xié)同過(guò)濾”洗出。消費(fèi)者每天都在買(mǎi)買(mǎi)買(mǎi)士复，行為變化很快，但是物品每天雖然也有變化翩活，但是和物品總量相比變化還是少很多阱洪。這樣，就可以預(yù)先計(jì)算物品之間的相似程度菠镇，然后再利用顧客實(shí)際購(gòu)買(mǎi)的情況找出相似的物品做推薦冗荸。
由于物品整體變化不大，所以這個(gè)相似程度不用每天都算利耍，節(jié)省計(jì)算資源蚌本；同時(shí)，可以只給某一樣商品只備選5個(gè)相似商品隘梨，推薦時(shí)只做這5個(gè)相似物品的加權(quán)評(píng)分程癌，避免對(duì)所有商品都進(jìn)行加權(quán)評(píng)分，以避免大量計(jì)算轴猎。這么說(shuō)有點(diǎn)抽象席楚，還是看一個(gè)例子吧。
還是用上一篇文章的例子税稼，目的是給A推薦一部電影
首先是計(jì)算電影之間的相似度烦秩，方法還是有很多垮斯，這次用Pearson相關(guān)系數(shù)來(lái)做，公式為：
公式看起來(lái)復(fù)雜只祠，其實(shí)可以分成6個(gè)部分分別計(jì)算就好了兜蠕，我們選《尋龍?jiān)E》（X）和《小門(mén)神》（Y）作為例子，來(lái)算一下相似度抛寝，則
X=（3.5熊杨，5.0，3.0）
Y=（3.0盗舰，3.5晶府，2.0）
數(shù)字就是評(píng)分，因?yàn)橹挥腥齻€(gè)人同時(shí)看了這兩個(gè)電影钻趋，所以X川陆，Y兩個(gè)向量都只有三個(gè)元素。按照公式逐步計(jì)算：
1. x和y的乘積再求和：3.5×3.0+5.0×3.5+3.0×2.0 = 34
2. x求和乘以y求和蛮位，再除以個(gè)數(shù)：（（3.5+5.0+3.0）×（3.0+3.5+2.0））/ 3 = 32.58
3. x的平方和：3.52+5.02+3.0^2 = 46.25
4. x和的平方除以個(gè)數(shù)：（（3.5+5.0+3.0）^2）） / 3 = 44.08
5. y的平方和：3.02+3.52+2.0^2 = 25.25
6. y和的平方除以個(gè)數(shù)：（（3.0+3.5+2.0）^2）） / 3 = 24.08
最終把這幾塊的結(jié)果帶入到整體的公式中：得出相關(guān)系數(shù)為0.89较沪。
按照這種方法，需要兩兩計(jì)算電影的相似性失仁，最終結(jié)果如下表：
相關(guān)系數(shù)取值為【-1尸曼，1】，1表示完全相似萄焦，0表示沒(méi)關(guān)系控轿，-1表示完全相反。結(jié)合到電影偏好上拂封，如果相關(guān)系數(shù)為負(fù)數(shù)茬射，比如《老炮兒》和《唐人街探案》，意思是說(shuō)烘苹，喜歡《老炮兒》的人，存在厭惡《唐人街探案》的傾向片部。
然后就可以為A推薦電影了镣衡，思路是：A只看過(guò)兩個(gè)電影，然后看根據(jù)其他電影與這兩個(gè)電影的相似程度档悠，進(jìn)行加權(quán)評(píng)分廊鸥，得出應(yīng)該推薦給A的電影，具體方法可以列一個(gè)表：
用A看過(guò)的電影的評(píng)分辖所，和其他電影的相似度相乘（紅框）惰说，然后再把相乘后的結(jié)果加和（綠框），得出最后的推薦度缘回。這里可以看到吆视，應(yīng)該向A推薦《尋龍?jiān)E》典挑，和上一篇文章用基于用戶(hù)的協(xié)同過(guò)濾算法結(jié)果是一致的。
#總結(jié)#
推薦算法的幾個(gè)基本思想：
- 根據(jù)和你共同喜好的人來(lái)給你推薦（基于用戶(hù)的）
- ?根據(jù)你喜歡的物品找出和它相似的來(lái)給你推薦（基于物品的）
- 根據(jù)你給出的關(guān)鍵字來(lái)給你推薦（退化成搜索算法）
- 根據(jù)上面的幾種條件組合起來(lái)給你推薦
經(jīng)過(guò)多年的發(fā)展啦吧，思想還是這些思想您觉，變化的地方在于計(jì)算相似度的衡量標(biāo)準(zhǔn)上，進(jìn)而衍生出了各種計(jì)算相似度的算法授滓，各種算法的優(yōu)劣體現(xiàn)在相似度判定的準(zhǔn)確度以及算法的計(jì)算速度和占用的計(jì)算資源：
- 歐氏距離算法
- 余弦距離算法
- Jaccard距離算法
- 皮爾遜距離算法
- ……
