推荐引擎的沧海一粟

推荐引擎原理与算法

最新推荐文章于 2025-11-09 10:27:12 发布

原创最新推荐文章于 2025-11-09 10:27:12 发布 · 177 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了推荐引擎的主要分类，包括基于用户的推荐、基于内容的推荐等，并探讨了几种常用的相似度算法，如皮尔森相关系数、欧几里德距离等，以及邻居度量方法。

推荐引擎的分类
1.基于用户的推荐(user-based recommentdation)
2.基于内容的推荐(item-based recommentdation)
3.用户评分平均值推荐(slop-one recommentdation)
4.基于内容的推荐(content-based recommentdation)
等等
相似度算法
1.皮尔森相关系数(Pearson correlation)
2.欧几里德距离(Euclidean distance)
3.余弦定理(Cosine)
4.斯皮尔曼相关系数(Spearman correlation)
5.Tanimoto 系数(Tanimoto Coefficient)
6.对数相似度(log-likelihood)
邻居度量方法
1.固定大小的邻居(Fixed-size neighborhoods)
2.基于阀值的邻居(threshold-based neighborhoods)