slope one 是乙個簡單，效率較高的協同過濾推薦演算法。
slope one 演算法是由 daniel lemire 教授在 2005 年提出.距今已經10年。
基於如下五點被設計出來：
1. 演算法容易實現和維護
2. 對新的評分應該立即給予響應
3. 查詢速度要快（雖然可能以犧牲儲存量為代價）
4. 對新的使用者也要能給出有效的推薦
5. 精度上要有競爭力
slope one用於推薦，其特點是演算法邏輯簡單，實現容易，演算法複雜度低。
像是剛接觸推薦系統的朋友可以先採用這種演算法來快速實現推薦功能，效率很高喲~
來說一下此演算法，看完之後你會覺得很簡單。哈哈，好吧，推薦就是這麼簡單就可以實現。
例子：目的：求lucy對item1的評分
1：首先計算 item1 與 item2的平均差值：(（5-3）+(3-4))/2=0.5.
則：lucy對item1的評分是：0.5+2=2.5
2：同理，item1與item3的平均差值為（5-2）=3;則可得出lucy對item1的評分為（3+5）=8；
3：然後再次採用加權演算法（weighted slope one）來進行計算。
(2.5*2+8*1)/(1+2)=13/3=4.33.
至此，我們可以認為lucy對 item1 的評分約為 4.33.
主要分兩個步驟：
一：根據不同商品求平均差值
二：使用加權演算法來求最終評分結果。
強大，高效，準確度高的協同過濾推薦演算法 slope one就這樣了。
推薦系統（協同過濾，slope one）
協同過濾 基於使用者 user cf 基於內容 item cf slop one 關聯規則 apriori 演算法，啤酒與尿布 2.slope one 演算法 slope one 演算法是基於不同物品之間的評分差的線性演算法，使用者對物品評分的個性化演算法。slope one 演算法是由daniel...
協同過濾之Slope One演算法
純筆記，直接從維基百科上翻譯過來的 slope one演算法是基於評分的item based演算法中最簡單的一種了，它的思想非常簡單，但在很多場合卻有很好的效果。但是slope one只適用於有評分的情況，對於二值評分，如商品的有無購買，這種演算法是不適用的。通常的item based演算法是基於使...
協同過濾推薦演算法 協同過濾推薦演算法總結
推薦演算法具有非常多的應用場景和商業價值，因此對推薦演算法值得好好研究。推薦演算法種類很多，但是目前應用最廣泛的應該是協同過濾類別的推薦演算法，本文就對協同過濾類別的推薦演算法做乙個概括總結，後續也會對一些典型的協同過濾推薦演算法做原理總結。推薦演算法概述 1 基於內容的推薦 這一類一般依賴於自然語...