基于物品的協(xié)同過濾算法

目前業(yè)界應(yīng)用最多的算法。

給用戶推薦和他們之前喜歡的物品相似的物品。

其主要通過分析用戶的行為記錄計算物品之間的相似度。物品A和物品B具有很大的相似度是因為喜歡物品A的用戶大都也喜歡物品B。

ItemCF 可利用用戶的歷史行為給推薦結(jié)果提供推薦解釋。

ItemCF算法主要分為兩步：

計算物品之間的相似度；

根據(jù)物品的相似度和用戶的歷史行為給用戶生成推薦列表。

從“Customers Who Bought This Item Also Bought”出發(fā)，用下面的公式定義物品的相似度：

w i j = ∣ N ( i ) ∩

總結(jié)

以上是生活随笔為你收集整理的【推荐系统】基于物品的协同过滤算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。