【协同过滤】ItemCF协同过滤方法简介

一、ItemCF协同过滤方法

ItemCF 是基于物品相似度进⾏推荐的协同过滤算法。

通过计算共现矩阵中物品列向量的相似度得到物品之间的相似矩阵， 再找到⽤户的历史正反馈物品的相似物品进⾏进⼀步排序和推荐，Item CF的具体步骤如下：

1. 构建共现矩阵：基于历史数据，构建以⽤户（假设⽤户总数为m）为⾏坐 标，物品（物品总数为n）为列坐标的m×n维的共现矩阵。
2. 计算物品相似度矩阵：计算共现矩阵两两列向量间的相似性（相似度的计算⽅式与 ⽤户相似度的计算⽅式相同），构建n×n维的物品相似度矩阵。
3. 找出相似的Top k个物品：利⽤物品相似度矩阵，针对⽬标⽤户历史⾏为中的正反馈物品，找出相似的Top k个物品，组成相似物品集合。
4. 排序：对相似物品集合中的物品，利⽤相似度分值进⾏排序，⽣成 最终的推荐列表。如果⼀个物品与多个⽤户⾏为历史中的正反馈物品相似，那么该物品最终的相似度应该是多个相似度的累加其中， H是⽬标⽤户的正反馈物品集合， wp，h是物品 p与物品h的 物品相似度， Ru，h是⽤户u对物品h的已有评分。

二、与UserCF应用区别