【整理】协同过滤

• 协同过滤
• =Collaborative Filtering=CF
• 是什么
• 一种算法
• 推荐算法中最经典的类型
• 要点
• 在线的协同
• 过在线数据找到用户可能喜欢的物品
• 在线数据：往往是大数据
• 离线的过滤
• 过滤掉一些不值得推荐的数据
• 举例
• 推荐值评分低的数据
• 推荐值高但是用户已经购买的数据
• 模型
• 输入
• m个物品，m个用户的数据
• 只有部分用户和部分数据之间是有评分数据
• 其它部分评分是空白
• 处理逻辑
• 用已有的部分稀疏数据
• 预测那些空白的物品和数据之间的评分关系
• 输出
• 找到最高评分的物品推荐给用户
• 分类
• User-based CF=基于用户的协同过滤
• 主要逻辑
• 利用用户和用户之间的相似度
• 即 品味相近
• 找出相似用户喜欢的物品
• =预测目标用户对对应物品的评分
• 找到评分最高的若干个物品推荐给用户
• Item-based CF=基于物品的协同过滤
• 主要逻辑
• 利用物品和物品之间的相似度
• 找到目标用户对某些物品的评分
• 可以对相似度高的类似物品进行预测
• 将评分最高的若干个相似物品推荐给用户
• 举例
• 你在网上买了一本机器学习相关的书
• 网站马上会推荐一堆机器学习、大数据相关的书给你
• Model-based=基于模型的协同过滤

转载请注明：在路上 » 【整理】协同过滤