目的
根据用户或者物品的相似度推荐。
算法
有以下数据
用户/物品 | 苹果手机 | 充电器 | 拖把 | 啤酒 | 五粮液 |
张三 | 4 | 4 | 5 | ||
李四 | 1 | 4 | 6 | 5 | |
王五 | 2 | 5 | 6 | 5 | |
陈六 | 5 | 6 | 4 | 8 |
这是一个稀疏的用户物品矩阵(UI),4行5列,我们可以专置成IU矩阵:
物品/物品 |
张三 |
李四 |
王五 |
陈六 |
苹果手机 |
4 | 1 | 2 | 5 |
充电器 |
4 | 6 | ||
拖把 |
4 | 6 | 5 | |
啤酒 |
5 | 6 | 4 | |
五粮液 | 5 | 5 | 8 |
暂时不考虑归一化问题,根据矩阵的算法,可以推导出UU(4*4),II(5*5)矩阵。
以II矩阵为例:IU*UI=II,以下数据没有经过计算,随便填的。经过归一化,数值范围[0,1]
物品/物品 |
苹果手机 |
充电器 |
拖把 |
啤酒 |
五粮液 |
苹果手机 |
0.1 | 0.2 | 0.6 | 0.4 | |
充电器 |
0.6 |
0.6 |
0.2 |
0.2 | |
拖把 |
0.4 |
0.9 | 0.2 |
0.4 |
|
啤酒 |
0.6 |
0.4 | 0.3 |
0.6 | |
五粮液 | 0.4 | 0.6 | 0.3 | 0.4 |
那么就可以根据用户和物品的相似度去推荐了。