基于用户的协同过滤(UserBased Recommendation)
2014-08-10 14:31
337 查看
算法综述
基于邻域的算法是推荐系统中最基本的算法,就目前研究的成果来讲,基于邻域的推荐算法可以分为两大类,一类是基于用户的协同过滤,另外一种是基于物品的协同过滤。接下来本文先讲基于用户的系统过滤(UserBased Recommendation)算法背景
每当同学们开始考研的时候,不知道要复习什么,或者买什么样的复习资料的时候,往往去咨询自己的师兄师姐,一般是同一个专业的,然后师兄师姐会给我们介绍一些书,如果这些书,我们没有看过,我们一般会听从他们的建议。我们为什么能听取他们的建议呢,无非以下几个原因:
1、师兄师姐跟我们是一个专业的,可以理解为兴趣点一样
2、师兄师姐都经历过,本身关系比较近,相互信任
基于用户的系统过滤就是基于第一种思想,如果两个用户的历史兴趣点相似,那么该用户未来的兴趣点有很大的可能性相似。
算法步骤
你在做决策的时候,一般是先找一些师兄师姐,跟自己一个专业(兴趣点),然后师兄师姐再给你介绍数据,然后你过滤掉自己已经买的,从剩下的书籍里面做决策。基于用户的协同过滤也是基于这么一个步骤,一般的协同过滤基于以下的两个步骤:
1、找到与目标用户兴趣相似的用户的集合
2、从这个集合中找出相似用户喜欢的物品,而且目标用户没有的物品,根据一定的标准,将这些物品排序,选择得分高的
相关文章推荐
- 基于用户的协同过滤(user-based collaborative filtering)
- 基于用户的协同过滤(user-based CF)推荐系统【2】
- 【推荐系统实战】:C++实现基于用户的协同过滤(UserCollaborativeFilter)
- 【推荐系统实战】:C++实现基于用户的协同过滤(UserCollaborativeFilter)
- 基于用户的协同过滤(user-based CF)推荐系统【1】
- Sharepoint 2010:基于当前用户判断访问列表项目的权限 --Determine access to SPListItem based on a Current User
- 基于用户(user-based)的协同过滤推荐算法的初步理解以及代码实现
- 基于用户的协同过滤
- 个性化推荐基本算法及源码分析(一)— 基于用户的协同过滤
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”
- Top-N Recommendation——基于用户的推荐实验
- 【Machine Learning】Mahout基于协同过滤(CF)的用户推荐
- A Programmer's Guide to Data Mining 2:Get started with recommendation system(User based filtering)
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”
- 协同过滤:基于用户的协同过滤itemCF
- Spark 基于item和user 的协同过滤实现
- 基于用户的协同过滤算法(UserCF)
- 协同过滤中item-based与user-based选择依据
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms” .
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”<转>