推荐系统-协同过滤算法简介&简化版实例

      必须先忏悔一下太久没记录学习轨迹，最近感觉脑子里一团浆糊，搞得自己非常难受，自信心也是被严重摧毁。训斥自己必须要保持记录的习惯，因为这不仅是对知识的整理，更让你知道其实你知道的很多！

      因为刚结束了一个推荐系统的课程，所以今天趁热打铁写写学到的推荐系统的内容。

     先简单讲下推荐系统要做什么。顾名思义，推荐系统就是在一个网站或APP内，向用户推荐合适的内容，让用户大大节省自己搜寻的时间并促进用户对内容的消费。向用户推荐合适的内容，就要从了解用户偏好开始。用户的行为比如评分、评论、点赞、购买，甚至在社交网站关注了相关内容，都可以用来反映用户偏好。不同类型网站选取的反映指标是各不相同的。

基于项目的协同过滤算法

协同过滤算法是目前应用十分广泛的推荐系统技术，主要有基于用户的协同过滤算法和基于项目的协同过滤算法。基于用户的协同过滤算法主要思想是，给小A寻找taste相似的用户小B，然后根据小B过往的偏好情况，预测小A可能喜欢的项目并给小A推荐。基于项目的协同过滤算法的主要思想则是，给一个条目小i寻找相似的条目小j，如果某个用户青睐小i，那么她很可能也会青睐小j，于是根据i,j的相似程度和该用户对i的评分，预测该用户对j的评分。例如，电商推荐系统常用的算法，计算某用户对项目j的预测评分为：

                                                                 p(j) =   (∑iinS其实是∑i∈S。。。) 

其中，s表示i,j之间的相似度，s=P(i∩j) / P(i)·P(j)，P(i∩j)表示i,j共同出现(共同出现可以是一次会话中共同得到点击浏览，或其他定义)的频率，P(i)表示i出现的频率，P(j)表示j出现的频率。ri是该用户对i的评分。S表示所有与j相似的项的集合。

 

举个小栗子-音乐推荐系统

假设现在我有好多首音乐(item)，每首音乐有很多属性(attr)，比如：语