UserCF与ItemCF杂想之余弦相似度

最新推荐文章于 2025-01-17 22:26:46 发布
最新推荐文章于 2025-01-17 22:26:46 发布
阅读量2.8k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 推荐与挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/crazybird5/article/details/42319873
本文讨论在User-Item矩阵中，针对ItemCF使用余弦相似度计算时遇到的问题，即如何处理未评分项。分析了包含0值与忽略0值两种情况对相似度的影响，并提出评分补充策略。总结认为，在计算中应考虑0评分，反映当前的相关性状态。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

        User-Item矩阵

                              I1      I2      I3      I4     I5
                      U1   4       3       2       1      -
                      U2   4       -        5       3      3
                      U3   1       -        3       4      5
                      U4 &

最低0.47元/天 解锁文章

200万优质内容无限畅学
Spark ItemCF推荐算法(mllib) 余弦相似度实现：
灬皇帝的新装灬的博客
05-27 3415
package com.keyboard.pro_test import org.apache.log4j.{Level, Logger} import org.apache.spark.ml.feature.StringIndexer import org.apache.spark.mllib.linalg import org.apache.spark.mllib.linalg.distr...
sklearn 相似度矩阵_具有numpy的大型稀疏矩阵的余弦相似度
weixin_39568889的博客
01-13 251
The code below causes my system to run out of memory before it completes.Can you suggest a more efficient means of computing the cosine similarity on a large matrix, such as the one below?I would like...
ItemCF-jaccard相似度计算相似item
liuhe2296044的博客
04-09 680
from pyspark.sql import SparkSession, functions as F import heapq from pyspark.sql.types import StructType, StructField, LongType,FloatType, ArrayType, IntegerType spark = SparkSession.builder.appNa...
基于UserCF算法实现电影推荐
说文科技，做有态度的研究。
07-10 1679
使用开源数据集完成基于UserCF算法的电影推荐
itemCF的实现
04-16
用python简单实现了itemCF，具体算法可参考基于物品的协同过滤。
基于Web的Mahout推荐算法UserCF、ItemCF与SlopeOne实现
ItemCF（Item-based Collaborative Filtering，基于物品的协同过滤）算法是另一种推荐系统算法，与UserCF有所不同，ItemCF关注的是物品之间的相似度。算法首先计算物品间的相似度，然后根据目标用户已喜欢的物品来...
ItemCF，UserCF，SlopeOne
11-16
协同过滤推荐系统中的ItemCF和UserCF算法 协同过滤（Collaborative Filtering，CF）是当前推荐系统中应用最为成熟的一个推荐算法系类。协同过滤算法的基本思想是基于兴趣相投、拥有共同经验的群体的喜好来推荐使用...
推荐系统教程 第2周 最流行的推荐系统：itemCF和userCF.rar
08-25
在这个“推荐系统教程 第2周 最流行的推荐系统：itemCF和userCF.rar”压缩包中，包含了丰富的视频教程（RS02d.avi、RS02e.avi、RS02c.avi、RS02a.mp4、RS02b.mp4）和一份PDF文档（RS02.pdf），主要探讨了两种经典的...
算法篇--协同过滤
小强签名设计 的博客
08-04 2万+
文章目录一、长尾理论二、协同过滤介绍1.基于用户的协同过滤算法（User-based CF，简称UserCF） 一、长尾理论 wiki链接：https://wiki.mbalib.com/wiki/%E9%95%BF%E5%B0%BE%E7%90%86%E8%AE%BA   长尾头部的商品往往代表了绝大多数用户的需求而长尾中的商品往往代表了一小部分用户的个性化需求。因此如果要通过发掘长尾来提高销售额就必须充分研究用户的个性化兴趣。而这正是个性化推荐系统主要解决的问题。   推荐系统通过发掘用户的行为找到用户
推荐系统----协同过滤算法
weixin_45504064的博客
12-25 1162
目录1 算法概述2 用户协同过滤（UserCF）缺点3 物品协同过滤（ItemCF）4 应用场景分析5 传统协同过滤的缺陷6 参考材料 1 算法概述 协同过滤算法（collaborative filtering）的主要目标是通过用户物品交互产生的协同（collaborative）信息，从而计算用户与用户之间的相似度、物品与物品之间的相似度。通过相似度的加权求和，计算用户对于物品的评分。 根据相似度计算的出发点的不同，协同过滤可以分为用户协同过滤（userCF）以及物品协同过滤（itemCF）。 交互信息
线性规划的matlab代码-RecommenderSystems:程序以matlab语言编写，包括了Pearson相似度、UserCF、Ite
05-21
线性规划的matlab代码 RecommenderSystems 主要是对推荐系统常用算法 matlab 代码版的编写。 包括了Pearson相似度算法，基于用户的UserCF算法，基于物品的ItemCF算法，slope one算法，TopN推荐，MAE，RMSE，topN推荐准确度，覆盖率计算等常用算法 实验代码有些是两年前写的，编写有些不太规范，且个别程序时间复杂度上较高，先存在这上面，供以后自己有需要时能够方便温故、翻新。 关于编写协同过滤推荐算法代码中的一些需要注意的参数细节： 由于推荐系统方面学术研究方面大多是是离线实验，且实验参数较多，每个学者改进的点不一样各固定参数可能与别的学者很少出现全部一直，所有完全复制一篇论文中的实验结果是极其困难的。且很多学者在文章中并没有交代，比如数据集中测试集和训练集的划分比例、实验次数、随机划分策略、目标用户和目标项目的占项目的比例、由于传统公式的缺陷性各种为出现无穷大和为1或者为0时的处理、近邻数量的设置、推荐列表长度的设置等等，所有的这些，有一个参数不一样，实验数据都会发生很大的变化。 那些曾经踩过的坑，待续……
itemCF matlab算法,基于物品的协同过滤算法(ItemCF)
weixin_35802571的博客
03-24 436
物品相似度计算余弦相似度公式： 其中，分别表示对物品，喜欢的用户数，为同时喜欢 和 的人数。我们这里还是使用漫威英雄举例：假设目前共有5个用户： A、B、C、D、E；共有5个漫威英雄人物：死侍、钢铁侠、美国队长、黑豹、蜘蛛侠。用户与人物之间的爱好程度如下图所示： 共现矩阵，记录了同时爱好 i 和 j 的数量： 根据余弦相似度公式计算相似度： python 实现import mathclass I...
推荐系统之-协同过滤(userCF、itemCF)
traveler-leon的博客
12-22 1497
什么是协同过滤？ 通常协同过滤指代就是userCF，和itemCF。 userCF也就是基于用户协同，本质就是找到与自己相同的用户，将相似用户有过行为的物品而我没有过行为的物品推荐给我； itemCF是基于物品的协同，本质是找到物品的相似物品，将我有过行为的物品的相似物品推荐给我。 所以本质上说，协同就是相似，是一个不断的在找相似的一个过程，既然是寻找相似，那自然要有一个标准来度量相似情况，通常有以下的集中相似描述的机制 在介绍相似的描述标准的时，要介绍以下用户物品打分矩阵。通常一个网站如果有打分机制的话，
【王树森推荐系统】召回01：基于物品的协同过滤（ItemCF）
最新发布
hxdxiaoming的博客
01-17 490
召回01：基于物品的协同过滤（ItemCF）
UCF，基于用户的协同过滤算法
程序认生
03-18 3191
基础算法 1992 年提出UCF，UCF 的两个步骤 找到和目标用户相似的用户集合 找到这个集合中用户喜欢的，且用户未见过的物品推荐 如何计算两个用户u,vu,v的兴趣相似度？ N(u)N(u)表示用户uu曾经有过正反馈的物品集合 N(v)N(v)表示用户vv曾经有过正反馈的物品集合 利用 Jaccard 公式(余弦也行)计算用户u,vu,v的兴趣相似度wuv 余弦相似度，重点 [ 用户行为记录举例 ] 用户AA对物品a,......
python实现协同过滤算法
DETACH-MENT的博客
06-13 5705
协同过滤算法常用于商品推荐或者类似的场合，根据用户之间或商品之间的相似性进行精准推荐 协同过滤算法分为： 基于用户的协同过滤算法（UserCF算法）（适合社交化应用） 基于商品的协同过滤算法（ItemCF算法）（适合电子商务、电影） 清华课程 计算用户相似度（UserCF） ① 泊松相关系数 ② 余弦相似度 ③ 调整余弦相关度 ...
UserCF和ItemCF终极对比
njustzj001的专栏
08-27 9916
说是终极对比，明确告诉你，就是在炒作！本文内容主要是我看了项亮的《推荐系统实践》一书，之前对于UserCF和ItemCF也是用的模模糊糊，这次好好整理了一下，加上自己一些总结和心得。UserCF推荐和当前用户相似度高的N个用户产生过行为的物品给当前用户；这些物品是当前用户没有行为过而其他N个用户行为过的物品的前M个；余弦相似度改进：在分子中除了考虑两个用户共同行为的物品，还考虑到这个物品被多少个用户
[推荐算法]ItemCF,基于物品的协同过滤算法
热门推荐
在路上的学习者
03-09 5万+
ItemCF：ItemCollaborationFilter，基于物品的协同过滤 算法核心思想：给用户推荐那些和他们之前喜欢的物品相似的物品。 比如，用户A之前买过《数据挖掘导论》，该算法会根据此行为给你推荐《机器学习》，但是ItemCF算法并不利用物品的内容属性计算物品之间的相似度，它主要通过分析用户的行为记录计算物品之间的相似度。 ==>该算法认为，物品A和物品B具有很大的相似度
UserCF算法 - 改进用户相似度计算
oucpowerman的博客
11-10 6364
前面计算用户间兴趣相似度使用的是余弦相似度，该公式过于粗糙，需要改进该公式。       以图书为例，如果两个用户都曾经买过《新华字典》，这丝毫不能说明他们兴趣相似，因为绝大多数中国人小时候都买过《新华字典》。但如果两个用户都买过《数据挖掘导论》，那可以认为他们的兴趣比较相似，因为只有研究数据挖掘的人才会买这本书。换句话说，两个用户对冷门物品采取过同样的行为更能说明他们兴趣的相似度。因此，Joh
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值