基本思想
假设对用户U进行推荐一些物品,此算法的基本思想则如下:
- 找到与用户U具有类似兴趣的用户群体
- 找到该用户群体喜欢的物品,在这些物品中把没有购买过的物品推荐给用户U
实验过程
1. 计算用户之间的相似度
- Jaccard公式
- 余弦相似度
2. 选出K个与用户U相似度最高的用户
3. 给用户推荐感兴趣的物品
计算用户对该物品该兴趣的程度公式:
- S表示和用户U兴趣最接近的K个用户
- N(i)表示对物品i有过行为的用户集合
- W表示用户u和用户v之间的相似度
- r表示用户v对物品的感兴趣程度
评价指标
R表示对用户u推荐的n个物品集合 T表示用户u在测试集上喜欢的物品集合
- 准确率:
,描述的是推荐的物品中有多少比例是用户已经关注的 - 召回率:
,描述已经关注的物品有多少比例包含在最终的推荐列表中 - 覆盖率:
, 覆盖率越高,说明推荐算法越能够将长尾中的物品推荐给用户.此指标反省了该算法发掘长尾的能力. - 流行度:如果推荐出的物品都很热门,那么推荐的新颖度较低.
编码实现
若有收获，就点个赞吧
0 人点赞
