基于协同过滤算法的推荐系统

这几天学习计算相似性的算法以及基于相似性做推荐的算法。

逼格高点的名字叫做基于协同过滤算法的推荐系统 Collaborative Filtering Recommendation。

简单的说，系统的任务是寻找和你兴趣相近的一组人，然后根据这组人喜欢什么来给你推荐什么。

首先，需要计算每个人和你的兴趣的相似程度。

要计算相似程度的前提是要有数据，每个人对事物的喜爱程度。

有数据后就能计算任意两个人之间的相似性， 有两种简单的算法，欧几里得距离分值法 Euclidean Distance Score和皮尔逊相关分值法 Pearson Correlation Score

-------------------------------------------------

欧几里得距离

判断两个人的相似程度，就是计算两人的空间距离。距离越近越相似，距离越远越不相近。

先找出两个人共同评价过的事物的集合，人1和人2对物1的评价值之差就是两人在一维空间的距离，人1和人2对物1的评价值之差的平方与两人对物2的评价值之差的平方之和的平方根就是两人在二维空间的距离（两点距离等于x值差的平方与y值差的平方的和的平方根，这就是欧几里得公式）。这可以在图上表示出来。

图形的好处就是能让人明白算法的初衷。