（机器学习理论）请描述推荐系统中协同过滤算法的原理

[问答题]

Newbeyond005

协同过滤算法分为两种，一种是基于用户的协同过滤算法，另一种是基于物品的协同过滤算法：

1、基于用户的协同过滤算法(user-based collaborative filtering):

通过用户的历史行为数据发现用户对商品或内容的喜欢(如商品购买，收藏，内容评论或分享)，并对这些喜好进行度量和打分。根据不同用户对相同商品或内容的态度和偏好程度计算用户之间的关系。在有相同喜好的用户间进行商品推荐。简单的说就是如果A,B两个用户都购买了x,y,z三本图书，并且给出了5星的好评。那么A和B就属于同一类用户。可以将A看过的图书w也推荐给用户B。

2、基于物品的协同过滤算法(item-based collaborative filtering)：

通过计算用户对不同物品的评分获得物品间的关系。基于物品间的关系对用户进行相似物品的推荐。这里的评分代表用户对商品的态度和偏好。简单来说就是如果用户A同时购买了商品1和商品2，那么说明商品1和商品2的相关度较高。当用户B也购买了商品1时，可以推断他也有购买商品2的需求。

发表于 2019-10-29 18:02:45 回复(0)