前言

所謂“物以類聚，人以群分”，基于用戶的協同過濾算法就是基于這個原理來實現的。

 

你可能聽過“啤酒與尿不濕”的故事：通過對一家超市的銷售數據分析發現，有很多人在購買啤酒的同時又購買了尿不濕，這就是基于物品的協同過濾算法的案例。

 

讀完本文你可以了解這兩種算法的原理，并學會如何實現這兩種算法。

 

1 基于用戶的協同過濾算法

 

我們在生活中如何找到自己喜歡的商品呢？比如你想買一件襯衫，可能會看一下或者問一下周圍的朋友都穿什么樣的襯衫，在朋友的影響下，你有很大概率會到線上網店或者線下實體店中看一下這件襯衫。在推薦系統中，這就是一種向用戶推薦感興趣商品的方法，叫基于用戶的協同過濾算法。

 

根據這個思路，我們可以看出基于用戶的協同過濾算法主要分為2個步驟。

 

（1）找到和目標用戶興趣相似的用戶。

 

這一步的關鍵是找到和目標用戶相似的用戶。我們看一下，在電商產品中如何通過用戶的數據找到和目標用戶相似的用戶。

 

比如用戶的下單數據為：①用戶A下單購買了商品a、b、c；②用戶B下單購買了商品a；③用戶C下單購買了商品a、b。

 

通過這個簡單的例子，我們可以看出，A和C的相似度顯然高于A和B的相似度，因為A和C同時購買了商品a、b，而A和B僅僅同時購買了商品a。

 

那么如何通過算法計算用戶A、B、C之間的相似度呢？這里可以引入余弦相似度公式。

 

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的数据中台推荐系统入门（二）：两种经典的推荐算法的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。