协同过滤算法——入门

你的名字 2022-08-06 15:19 161阅读 0赞

**协同过滤算法——入门**

协同过滤算法(Collaborative Filtering, CF)是推荐系统算法中的重头，也是推荐系统算法的入门必备，这篇我们入门一下，主要说它的两大分支：

*  基于用户的协同过滤算法（user based CF）;
 *  基于物品的协同过滤算法（item based CF）。

# 1. 基于用户的协同过滤算法 #

这类方法的基本思想是：把A用户相邻用户的偏好物品推荐给A。这里的相邻是计算用户之间的相似性，计算用到的特征是每个用户标注偏好物品的偏好值；

详细点说，收集许多用户的历史日志log，得到它们标注的偏好物品，以及对应的偏好值。给定一个用户A，我们也已经有了他的历史log，包括A的偏好物品和偏好值。

这时，我们要用A用户的特征，计算其和所有用户的特征之间的相似性，记为similarity\_i，i表示用户A和第i个邻居用户的相似性。

最后，让邻居用户偏好的物品构成需要推荐的物品集合（除去用户A已经偏好的物品），让邻居用户对第k个物品的偏好值，乘以对应的用户A和他的相似性值，求和得到第k个物品需要推荐给用户A的“得分”。

这样也就得到了所有需要推荐的物品的推荐值。

这样过程可以用下图来表示：

![Center][]

分析：基于用户的CF方法给你推荐的物品是和你相似的人偏好的东西，也就是说，和你相似的人也看了这本书，所以他推荐给你这本书了。如果要是能够把和你相似的人特点给出来，展示给你看，让你找到共鸣，这样你就会对这本书的兴趣会大大增加。但是，每个用户的特征只是自己偏好物品的偏好值，而用户的数量是远远大于偏好物品数量的，这个方法样本的特征维数太少了，效果不一定很好。

# 2. 基于物品的协同过滤算法 #

这类方法的基本思想是：把用户A已经偏好的物品的相似物品推荐给A。这里的特征是物品被所有用户标注的偏好值。

详细点说，根据用户A的log，我们已经知道了他标注的偏好物品的偏好值，我们需要计算这些已经被偏好的物品和其余物品的相似性，然后推荐给A。如何计算相似性呢？

首先，我们收集每个物品在所有用户下的历史log，得到所有用户对每个物品的偏好值，这样就可以计算得到候选被推荐物品p和A用户已经偏好物品q之间的相似性，记为similarity\_q. 我们就可以计算出候选被推荐物品与A用户所有已经偏好物品之间的相似性。

然后，我们用这个计算好的候选被推荐物品p和A用户已经偏好物品q之间的相似性similarity\_q值，乘以A用户对偏好物品q的偏好值。这样把所有乘积再相加，得到候选被推荐物品p的“推荐值”得分。

这样子，基于物品的CF算法就完成了。

这个过程可以也通过一个图来表示：

![Center 1][]

分析：基于用户的CF方法计算相似性是每个物品被所有用户的偏好值，特征长度是用户数量，这样子特征就比上面基于用户的CF方法要丰富，效果理论上较好。

参考：

http://my.oschina.net/BreathL/blog/62519

http://www.ibm.com/developerworks/cn/web/1103\_zhaoct\_recommstudy2/index.html

http://www.cnblogs.com/zhangchaoyang/articles/2664366.html

http://www.cnblogs.com/luchen927/archive/2012/02/01/2325360.html

[Center]: /images/20220805/b6d377c47a2240feb5bee95742cdde9d.png
[Center 1]: /images/20220805/f47f4bbff361464e8d22165f951d3a5b.png

发表评论取消回复

表情：

评论列表（有 0 条评论，161人围观）

还没有评论，来说两句吧...

相关阅读

相关协同过滤推荐算法

1.思想简介：协同过滤，从字面上理解，包括协同和过滤两个操作。所谓协同就是利用群体的行为来做决策(推荐)。对于推荐系统来说，通过用户的持续协同作用，最终给用户的推荐...

妖狐艹你老母/ 2024年04月19日 12:56/ 0 赞/ 35 阅读

相关 Spark ML 协同过滤算法

参考文章：[Spark ML 协同过滤算法][Spark ML] 1 什么是协同过滤协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborat

川长思鸟来/ 2022年12月28日 07:30/ 0 赞/ 174 阅读

相关协同过滤推荐算法总结

推荐算法具有非常多的应用场景和商业价值，因此对推荐算法值得好好研究。推荐算法种类很多，但是目前应用最广泛的应该是协同过滤类别的推荐算法，本文就对协同过滤类别的推荐算法做一个概括

傷城~/ 2022年12月03日 13:20/ 0 赞/ 230 阅读

相关协同过滤算法简析

推荐系统必须有快速反应能力，众所周知，现在网络上充满着各种各样的信息，而且数量相当庞大，并且还在以相当惊人的速度增长，如何在海量的信息中快速的找到我们所需要的信息并快速的反馈给

港控/mmm°/ 2022年08月10日 13:43/ 0 赞/ 196 阅读

相关协同过滤算法简介

协同过滤算法简介协同过滤算法在推荐系统算法领域中也已经被研究了许多年，提出了不少的方法，我们就来把这些算法归类一下。协同过滤方法的一个基本假设就是，如果用

╰半夏微凉°/ 2022年08月06日 15:21/ 0 赞/ 234 阅读

相关协同过滤算法——入门

协同过滤算法——入门协同过滤算法(Collaborative Filtering, CF)是推荐系统算法中的重头，也是推荐系统算法的入门必备，这篇我们入门一下，主要说它的

你的名字/ 2022年08月06日 15:19/ 0 赞/ 162 阅读

相关 spark/MLlib 协同过滤算法

http://www.cnblogs.com/zhangchaoyang/articles/2664366.html Collaborative Filtering R

旧城等待，/ 2022年07月31日 15:26/ 0 赞/ 188 阅读

相关协同过滤推荐算法详解

一、什么是协同过滤？协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，

逃离我推掉我的手/ 2022年06月13日 13:13/ 0 赞/ 267 阅读

相关协同过滤算法（1）

在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。本文将带你深入了解协同过滤的秘密。下面直接进入正题 1 什么是协同过滤协同过滤是利用集体智慧

清疚/ 2022年03月21日 09:46/ 0 赞/ 205 阅读

相关协同过滤推荐算法

基于内容推荐的理论： 1、基于内容推荐Content Based 2、基于行为推荐Collaboration Filtering User Based

Bertha 。/ 2022年03月15日 06:12/ 0 赞/ 360 阅读