首页 > 试题广场 >

协同过滤是推荐系统构成中非常经典的算法,分为基于用户的协同过

[问答题]
协同过滤是推荐系统构成中非常经典的算法,分为基于用户的协同过滤和基于物品的协同过滤。它的本质是通过计算用户与用户之间的相似度,或物品与物品的相似度来对用户的兴趣进行预测,进而推荐相关物品给用户。请使用上述知识解答下面问题:
(1)     现有五个用户ABCDE;三个物品XYZ;通过分析用户在网站上的购物历史和人群画像标签,分析出各个用户对各个物品的兴趣指数。兴趣指数见下面表格:

X Y Z
A 3 4 3
B 2 4 4
C 3 5 4
D 2 2 3
E 4 1 4












现需要向用户E推荐相机,已知ABCD对于三种相机MNO的兴趣打分如下:

M N O
A 3 4 3
B 5 1 2
C 2 5 5
D 4 2 3


请给出给E推荐相机的最佳顺序, 给出详细解答过程


(2)    在上述的问题中,大家可以发现,协同过滤对于用户的历史数据依赖较强,那么对于冷启动问题,有什么样比较好的解决方法?





基于用户的协同过滤算法,采用夹角余弦计算用户间的相似度
Wea=(3*4+1*4+4*3)/(sqrt(3*3+4*4+3*3)*sqrt(4*4+1*1+4*4)=83.59%
Web=81.24%
Wec=81.24%
Wed=92.88%
e,d两位用户相似度最高,因此按照的d对M、O、N的打分推荐,最佳顺序为M、O、N
发表于 2019-09-05 11:45:16 回复(0)