基于用户的协同过滤算法

下面讲解的链接

https://blog.csdn.net/shf1730797676/article/details/97100815

基本思路：当用户A需要个性化推荐的时候，可以先找到和他兴趣相似的用户群体G,然后把G中所包含的且A中没有的东西进行预测评估，最后根据预测评估值对用户A进行推荐。

方法：
1、找到与用户A兴趣相似的用户群体
2、对G中所包含的且A没有听说过或没有见过的进行预测分析。
3、根据预测分析值对A进行推荐

过程：

1发现兴趣相似的用户

通常用 Jaccard （杰卡德相似度）公式或者余弦相似度计算两个用户之间的相似度。设 N(u) 为用户 u 喜欢的物品集合，N(v) 为用户 v 喜欢的物品集合，那么 u 和 v 的相似度是多少呢？

如何一下子计算所有用户之间的相似度呢？为计算方便，通常首先需要建立“物品—用户”的倒排表，如下图所示：

 然后对于每个物品，喜欢他的用户，两两之间相同物品加1。例如喜欢物品 a 的用户有 A 和 B，那么在矩阵中他们两两加1。如下图所示：

      计算用户两两之间的相似度，上面的矩阵仅仅代表的是公式的分子部分。以余弦相似度为例，对上图进行进一步计算：

基于用户的协同过滤算法

原文：https://www.cnblogs.com/18800105616a/p/11492205.html