2019-01-06 18:21:09
前邊我們已經介紹了推薦演算法裡的基於內容的推薦演算法cb，今天我們來介紹一下基於協同的推薦演算法collaboration filtering（cf）。協同過濾是乙個利用群體智慧型的乙個演算法，舉乙個簡單的例子，如果放假了你想去北京玩幾天，但是不知道北京都有哪些好玩的，你會怎麼做？你可能會上網查一下網友的推薦，也可能會諮詢一下曾經去過北京的親朋好友，最後你很可能會採納你好朋友的推薦。因為你的好朋友和你相似的愛好和品味。
基於協同的推薦演算法又分為兩種
協同過濾的實現，一般通過以下幾個步驟
然後像上邊舉得兩個例子那樣，通過一些演算法，來找到和該使用者有相似偏好的使用者，或者找到和該使用者喜歡的物品相似的物品。
最後從得到的推薦列表裡挑選分數較高的n個結果推薦給使用者
基於使用者和基於物品的協同過濾有各自的優點和不足，我們使用的時候要根據具體的場景和情況來選擇合適的來使用。最後來比較一下兩者的不同。
協同過濾推薦演算法 推薦演算法 基於協同過濾CF
前邊我們已經介紹了推薦演算法裡的基於內容的推薦演算法cb，今天我們來介紹一下基於協同的推薦演算法collaboration filtering cf 協同過濾是乙個利用群體智慧型的乙個演算法，舉乙個簡單的例子，如果放假了你想去北京玩幾天，但是不知道北京都有哪些好玩的，你會怎麼做？你可能會上網查一下的...
基於CF（協同過濾）推薦演算法
基於物品的cf 協同過濾 推薦演算法 1.1演算法簡介 cf 協同過濾 簡單來形容就是利用興趣相投的原理進行推薦，協同過濾主要分兩類，一類是基於物品的協同過濾演算法，另一種是基於使用者的協同過濾演算法，這裡主要介紹基於物品的協同過濾演算法。給定一批使用者，及一批物品，記vi表示不同使用者對物品的評分...
協同過濾（CF）演算法（基於spark）
協同過濾 cf 是一種推薦演算法，spark中採用的是矩陣分解求als alternating least squares交替最小二乘 的實現。spark推薦演算法在org.apache.spark.mllib.recommendation包下，共有三個類 封裝使用者id，物品id，評分的資料結構，...