推荐之协同过滤（思路简单梳理）

最新推荐文章于 2025-03-21 16:58:52 发布
最新推荐文章于 2025-03-21 16:58:52 发布
阅读量5.6k 收藏 13
点赞数 1
分类专栏： data structure & algorithm 文章标签： recommenda euclidean pearson 腾讯推荐系统架构图
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/u012332571/article/details/52206055
版权
本文介绍了协同过滤推荐系统的基本思想，包括基于用户的协同过滤步骤：收集用户偏好、计算用户相似度（欧几里得距离、皮尔逊相关度）、寻找相似用户及推荐电影。同时，提到了基于物品的协同过滤方法，先计算物品的相关程度，再推荐给用户。文中以电影评分数据为例，展示了如何使用Python进行计算。

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

用途

　　只要是平时经常浏览购物网站的人都会发现在网站的某些地方会有一些商品，推荐给我们，例如京东的首页，每个人浏览京东首页，看到的都是经过分析后推荐的商品。
　　由于IBM软件工程师的［探索推荐引擎内部的秘密，第 1 部分: 推荐引擎初探］ 、［探索推荐引擎内部的秘密，第 2 部分: 深入推荐引擎相关算法 - 协同过滤］、［探索推荐引擎内部的秘密，第 3 部分: 深入推荐引擎相关算法 - 聚类］三篇文章已经很好讲述推荐系统原理，下面只详细介绍下协同过滤

是什么

　　找一群跟我品味相近的人，去看看他们经常浏览的商品，并且我没有浏览的推荐给我。

基于用户的协同过滤怎么做

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI上推荐 之 协同过滤
Miracle8070
08-21 1万+
㐇
node.js基于协同过滤的陶瓷文献推荐系统程序+论文 可用于毕业设计
zhiwen206的博客
01-20 788
本选题将以陶瓷文献推荐为研究情景，重点分析和研究如何运用协同过滤算法，结合陶瓷文献的专业特点，构建高效的推荐系统，以期探寻满足用户多样化需求的推荐机制，为后续更加深入的研究提供基础。[8] 罗斌，温丰蔚，曾晓钰，张亮，韦通明. 基于 Vue.js 的培训可视化系统开发与设计[J]. 现代工业经济和信息化，2021, 11(12): 54-56.[14] 蒋凌燕，李中科. 基于 WebSocket 和 node.js 的多终端数据采集系统研究[J]. 电脑知识与技术，2018, 14 (31): 6-8.
【推荐算法】协同过滤算法介绍
热门推荐
u011590738的博客
07-07 6万+
协同过滤算法（Collaborative Filtering） 是比较经典常用的推荐算法，它是一种完全依赖用户和物品之间行为关系的推荐算法。我们从它的名字“协同过滤”中，也可以窥探到它背后的原理，就是 “协同大家的反馈、评价和意见，一起对海量的信息进行过滤，从中筛选出用户可能感兴趣的信息”。...............................................................
协同过滤算法详解
11-23
多伦多大学的一篇硕士论文，对协同过滤算法做了详细的介绍和实现，读起来比一些大人物写的综述要容易理解的多。 在读这篇文章前对基于模型的协同过滤算法理解很模糊，读过后就有了很清晰的认识，推荐给大家，值得一读。
基于用户的协同过滤推荐系统
最新发布
dataddd的博客
03-21 333
基于用户的协同过滤算法是一种在推荐系统中广泛应用的算法，它主要依据用户之间的相似性来为目标用户提供推荐，以下是其详细介绍：
猜你喜欢-----推荐系统原理介绍
Neil的博客
07-05 1万+
写在正文之前   最近在做推荐系统，在项目组内做了一个分享。今天有些时间，就将逻辑梳理一遍，将ppt内容用文字沉淀下来，便于接下来对推荐系统的进一步研究。推荐系统确实是极度复杂，要走的路还很长。   A First Glance     为什么需要推荐系统——信息过载   随着互联网行业的井喷式发展，获取信息的方式越来越多，人们从主动获
协同过滤的基本思想
weixin_33800593的博客
09-24 401
协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的,在协同过滤中,这些用户成为邻居,然后根据他们喜欢的其他东西组成一个排序的目录作为推荐给你. 核心问题: 1,如何确定一个用户是不是和你有相似品位? 2.如何将邻居们的喜好组织成一个排序的目录? 步骤: 1.收集用户偏好 　　评分,投票,转发,保存书签,标记标签,评论,点击率,页面停留时间,购买. 2.找到相似的用户或物品 ...
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
常见推荐算法科普
weixin_34123613的博客
06-11 1011
2019独角兽企业重金招聘Python工程师标准>>> ...
基于Hadoop的异构网络协同过滤推荐算法设计.docx
11-07
通过这篇论文，读者不仅能了解到Hadoop的基础知识和应用，还能掌握异构网络协同过滤推荐算法的设计思路和实现方法，对于深化理解大数据处理和分析，尤其是推荐系统领域有着重要价值。同时，论文的系统化研究方法和...
社交活动推荐：协同过滤算法的深度研究与优化
- 对于推荐系统理论，为协同过滤算法在实际应用中的优化提供新的思路和方法； - 对于研究人员，提供了一个实践平台，用于检验理论模型和算法的实际效能。 第二章相关工作 在本章中，我们将深入探讨协同过滤算法的...
"基于Python的协同过滤算法图书推荐系统研究
接着，作者对研究现状进行了总结和分析，梳理了现有的协同过滤算法在图书推荐系统中的应用情况和存在的问题，为下文的研究工作进行了铺垫。 在《基于 Python 的协同过滤算法的图书推荐系统》的具体内容部分，作者...
协调过滤
zhaokuner的专栏
05-18 430
实现协同过滤，需要的步骤 收集好用户偏好，如评分 找到相似的用户和物品 计算推荐 用户物品联系图 相似的计算，通过距离 几种距离计算 欧几里得距离 皮尔逊相关系数 cosine相似的 皮尔逊距离 协方差 皮尔逊相关系数 pearson相关系数是用协方差除以两个变量的标准差得到的 相关系数 推荐系统最常用的 皮尔逊相关系数最常用 邻居的选择 A、固定数量的邻居 B、基于相似度门槛的邻居（推荐） 基于用户的协调过滤 基于用户的协调过滤要解决的问题 已经用户评分矩阵Matrix
协同过滤算法概述与python 实现协同过滤算法基于内容（usr-item,item-item）
IT届的小学生
04-08 1万+
协调过滤推荐概述 　 协同过滤(Collaborative Filtering)作为推荐算法中最经典的类型，包括在线的协同和离线的过滤两部分。所谓在线协同，就是通过在线数据找到用户可能喜欢的物品，而离线过滤，则是过滤掉一些不值得推荐的数据，比比如推荐值评分低的数据，或者虽然推荐值高但是用户已经购买的数据。 　 协同过滤的模型一般为m个物品，m个用户的数据，只有部分用户和部分数据之间是...
协同过滤算法理解
chenjunheaixuexi的博客
05-17 2806
一、协同过滤思想介绍   顾名思义，协同过滤算法的核心思想就是“物以类聚，人以群分”，通过用户对物品的评价和意见，将物品和人聚成几类，从各自的类中挑选出用户可能感兴趣的的物品进行推荐，而代替从直接从海量物品中筛选，缩小目标范围，简化计算。 二、协同过滤基本原理   协同过滤最关键的一步是怎么将人或者是物品进行聚类，此时我们的一般做法是获取用户-物品的共现矩阵，其中用户跟物品发生的交互有可能是显示行为（比如有具体评分等），但大部分情况下我们拿到的都是隐式行为（比如是否浏览、点击等） 用户/物品 i1
推荐系统原理简析
刘爱贵的专栏
12-31 6161
个性化推荐根据用户兴趣和行为特点，向用户推荐所需的信息或商品，帮助用户在过载信息中快速发现真正所需的商品，提高用户黏性，促进信息点击和商品销售。
协同过滤
zhangxinyan00的博客
06-01 379
一、推荐算法的分类 基于流行度的算法协同过滤算法基于内容的算法基于模型的算法混合运算二、详细介绍2.1、基于流行度的算法根据PV,UV,日均PV或分享率等数据，按照某种热度排序来推荐给用户2.2、协同算法协同过滤算法(Collaborative Filtering, CF)是很常用的一种算法，在很多电商网站上都有用到。CF算法包括基于用户的CF(User-based CF)和基于物品的CF(Ite...
评论
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