基于物品的推荐算法
2017-12-02 07:37
295 查看
本篇介绍基于物理的协同过滤推荐算法(ItemCF)
一 用户行为与权重
1 点击——1.0分
2 搜索——3.0分
3 收藏——5.0分
4 付款——10.0分
二 算法思想
给用户推荐那些和他们之前喜欢的物品相似的物品。
三 举例
1、现有如下用户、商品、行为、权重
2 、建模
3、算法步骤
3.1 根据用户行为列表计算用户、物品的评分矩阵
3.2 根据用户、物品的评分矩阵计算物品与物品的相似度矩阵
3.3 相似度矩阵乘以评分矩阵得到推荐列表
推荐列表如下:
评分矩阵和推荐列表矩阵如下:
然后设置推荐列表对应元素为0
最终推荐列表如下:
四 编程设计
分4个步骤,每个步骤都是一个MapReduce作业。
一 用户行为与权重
1 点击——1.0分
2 搜索——3.0分
3 收藏——5.0分
4 付款——10.0分
二 算法思想
给用户推荐那些和他们之前喜欢的物品相似的物品。
三 举例
1、现有如下用户、商品、行为、权重
2 、建模
3、算法步骤
3.1 根据用户行为列表计算用户、物品的评分矩阵
3.2 根据用户、物品的评分矩阵计算物品与物品的相似度矩阵
3.3 相似度矩阵乘以评分矩阵得到推荐列表
推荐列表如下:
评分矩阵和推荐列表矩阵如下:
然后设置推荐列表对应元素为0
最终推荐列表如下:
四 编程设计
分4个步骤,每个步骤都是一个MapReduce作业。
相关文章推荐
- 推荐算法:基于内容的推荐_2: 物品的表示
- [推荐算法]ItemCF,基于物品的协同过滤算法
- [推荐算法]ItemCF,基于物品的协同过滤算法
- [推荐算法]ItemCF,基于物品的协同过滤算法
- [推荐算法]ItemCF,基于物品的协同过滤算法
- [推荐算法]ItemCF,基于物品的协同过滤算法
- 推荐算法--基于物品协同过滤算法实现(python: Item-CF)
- 基于Spark构建推荐引擎之一:基于物品的协同过滤推荐
- 基于spark机器学习---------物品推荐demo
- [推荐算法]UserCF,基于用户的协同过滤算法
- <cocos2d-x for wp7>使用cocos2d-x制作基于Tile地图的游戏:碰撞检测和收集物品(二)
- 基于用户协同过滤(User-CF)的推荐算法
- Mahout分步式程序开发 基于物品的协同过滤ItemCF
- 关于基于用户过滤和基于物品过滤
- 基于矩阵分解的推荐算法,简单入门
- 实战智能推荐系统(8)-- 基于物品的协同过滤算法
- 基于社交网络的用户与基于物品的协同过滤推荐算法-java
- 基于用户和基于物品的协同过滤算法的比較
- 【推荐算法】基于AutoEncoder的图像搜索推荐
- 推荐算法:基于特征的推荐算法