协同过滤（Item cf）

最新推荐文章于 2025-05-29 20:47:15 发布
原创 最新推荐文章于 2025-05-29 20:47:15 发布 · 730 阅读 · 3 ·
CC 4.0 BY-SA版权
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。
文章标签：

#推荐系统 #席乐朋 #个性化推荐系统 #Item cf #协同过滤

本文介绍了协同过滤算法在信息流、电商、O2O等领域的应用，详细解析了Item cf的基本原理，包括如何衡量物品相似度及用户喜好。通过升级公式，探讨了如何考虑用户行为频率和时间衰减因素，以提高推荐的精准度。

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

背景

  • 信息过载，用户需求不明确
  • 强依赖于用户行为

工业界主流落地场景

  • 信息流
  • 电商
  • o2oLBS

个性化召回算法协同过滤理论与理论升级

Item cf

  • 给用户推荐他之前喜欢的物品相似的物品
  • 如何衡量相似？

基于用户行为，如果喜欢2个物品的用户重合度越高，那么2个物品也就越相似。

  • 如何衡量喜欢？

看用户是否真实点击，在电商场景下，更看重实际转化（实际消费购买）；信息流场景下，更看重真实的点击（基于一定时长下的停留）

Item cf公式

 

 

根据用户行为计算出用户相似度矩阵：

  • 分子：u(i)表示对item (i)有过行为的用户集合 ,u(j)表示对item (j)有过行为的用户集合 ，分子表示user的重合程度，重合度越高，越相似。
  • 分母：归一化（举例：对item(i)有过行为的用户2个，对item(j)有过行为的用户3个
最低0.47元/天 解锁文章

200万优质内容无限畅学
Item协同过滤（基于Python实现）
weixin_39400271的博客
09-05 417
在众多召回策略里面，基于Item与基于User（可参考：https://blog.youkuaiyun.com/weixin_39400271/article/details/100052023）在实现上非常相似。所以这里使用了跟基于User协同过滤的数据u.data。 u.data数据格式（user_id, item_id, rating, timestamp） 实现原理： ...
【协同过滤】ItemCF协同过滤方法简介
m0_53259482的博客
05-05 416
ItemCF 是基于物品相似度进⾏推荐的协同过滤算法。通过计算中物品列向量的相似度得到。
ItemCF:基于物品的协同过滤推荐算法(Python)
05-06
ItemCF 基于物品的协同过滤推荐算法Demo An recommend algorithm based on ItemCF, use Python. the ininial data format like this ,for some reason,the original data file is not supported. 一个基于物品的协同过滤推荐算法，原始数据的格式如下： SearchData-userClickKsc date:20150929 00:00:32 word:泪满天 userid:123456 songName:泪满天(立体声伴奏) songID:54321 rank:3 currentPage:2 type:songName
基于物品的协同过滤（ItemCF）（基础算法详细解析）
最新发布
qq_63495952的博客
05-29 814
使用pivot_table将刚刚的dataframe数据转换为用户-物品矩阵，横标签为用户id，竖标签为物品id，矩阵各元素为用户与物品之间的交互情况（1为有交互，0为无交互），并且将矩阵中为NaN的元素替换为0。为了计算物品相似度，我们需要将上面的用户-物品矩阵进行转置，使行代表物品，列代表用户。recommendation_scores.get(similar_item, 0) 的结果（无论是已有的得分还是 0）会与当前的 similarity_score 相加。第二句是排除掉相似度为0的物品；
机器学习->推荐系统->itemCF算法
村头陶员外的博客
03-13 6236
上一讲讲到userCF算法，该算法是根据用户之间相似度，来给目标用户推荐与他们相似用户产生过行为的物品。该算法在某些应用场景并不适用。首先随着网站用户数目越来越大，计算用户兴趣相似矩阵越来越困难，运算时间复杂度和空间复杂度和用户增长近似于平方关系。其次，基于用户的协同过滤很难对推荐结果作出解释。由此产生了基于物品的协同过滤（itemCF）给用户推荐和他们之前喜欢的物品相似的物品。不过ItemCF算法
协同过滤（cf）——usr-item和item-item介绍
赶路人儿
03-08 2926
一、概述： 协同过滤(Collaborative Filtering)是利用集体智慧的一个典型方法。要理解什么是协同过滤 ，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。 协同过滤作为推荐算法中最经典的类型，其模型...
item-CF
qq_36763691的博客
10-24 2989
推荐算法——item-CF 本文章目的在于记录一次作业中用到的推荐算法，以方便之后整理回顾。 item-CF推荐算法——item-CF算法简介相似度计算实例数据介绍程序 算法简介 item-CF中文是基于物品的协同过滤，核心思想是根据用户产生过交互的物品与其他物品的相似度来向用户进行推荐。 比如用户A曾经收藏过商品a，而商品b跟商品a很相似，根据算法，商品b就有可能被推荐给用户A。 由上面举的例子可以发现，item-CF算法有至少2个步骤： 1、计算商品间的相似度 2、根据用户行为进行推荐 下面将介绍如何计
协同过滤推荐算法-基于物品的协同过滤ItemCF及python实现
qq_41275074的博客
08-02 2926
基于物品的协同过滤
基于Java实现的物品协同过滤(ItemCF)推荐系统源码
03-25
项目概述：基于Java开发的物品协同过滤(ItemCF)推荐系统，该系统包含了核心推荐算法以及相应的用户界面和数据库结构。项目主要采用Java语言编写，共计53个文件，其中包含14个Java源代码文件、12张图片文件（jpg格式...
基于MapReduce实现物品协同过滤算法（ItemCF）.zip
03-13
本项目“基于MapReduce实现物品协同过滤算法（ItemCF）”是针对推荐系统中的一种经典算法进行分布式实现，旨在提高推荐效率和精度。下面我们将深入探讨MapReduce、Hadoop以及物品协同过滤（Item-based Collaborative...
Hadoop案例之基于物品的协同过滤算法ItemCF.zip
03-12
这个“Hadoop案例之基于物品的协同过滤算法ItemCF.zip”压缩包显然包含了关于如何在Hadoop环境中实现协同过滤算法，特别是基于物品的协同过滤（Item-based Collaborative Filtering, ItemCF）的实例。以下是关于这个...
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。
推荐系统（八）协同过滤之ItemCF
更木的博客
06-14 368
上一篇推荐系统（七）协同过滤之UserCF中UserCF的原理以及实验步骤，本篇着重讲述与之类似的ItemCF。 基本原理 核心思想 找到和用户A看过物品相似的物品，向A推荐这些物品。 物品相似度 wi,j=∣N(i)⋂N(j)∣∣N(i)∣∣N(j)∣ w_{i,j} = \frac{|N(i)\bigcap N(j)|}{\sqrt{|N(i)||N(j)|}} wi,j​=∣N(i)∣∣N(j)∣​∣N(i)⋂N(j)∣​ 计算物品相似度，就需要构建每个用户的对称物品矩阵，之后将这
ItemCF 基于物品的协同过滤算法
Usher_Ou的博客
02-02 1160
ItemCF 基于物品的协同过滤算法 1、概念 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
基于物品的协同过滤算法（ItemCF）
热门推荐
jiangdongxiaobawang的博客
02-03 1万+
1.定义   基于物品的协同过滤（item-based collaborative filtering）算法是目前业界应用最多的算法。ItemCF给用户推荐那些和他们之前喜欢的物品相似的物品，用户A 喜欢了一个物品s集合，那么推荐的时候就把与物品s集合里最相似的前N个物品推荐给用户A。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...
《推荐系统》基于用户和Item的协同过滤算法
bll1992的博客
04-14 1799
1：协同过滤算法简介 2：协同过滤算法的核心 3：协同过滤算法的应用方式 4：基于用户的协同过滤算法实现 5：基于物品的协同过滤算法实现 一、协同过滤算法简介 关于协同过滤的一个经典的列子就是看电影，有时候不知道哪一步电影是我们喜欢或者评分比较高的，那么通常的做法就是问问周围的朋友，看看最近有什么好的电影推荐，在问的时候，都习惯为跟自己口味差不多的朋友，这事就是协同过滤的核心思想。 ...
推荐算法实战项目：物品协同过滤算法(ItemCF)原理以及案例实战(附完整 Python 代码)
Oona_01的博客
03-25 2858
可以看到用户C喜欢的物品列表为{c,d}，通过查物品相似度矩阵可知，与物品c相似的有{b,d,e}，同理与物品d相似的物品有{a,b,c}，故最终给用户C推荐的物品列表为{a,b,e}(注意这里并不是{a,b,c,d,e}，因为要去掉用户C喜欢的物品，防止重复推荐)。上述公式对活跃用户做了一种软性的惩罚，但是对于很多过于活跃的用户，比如上面那位买了当当网80%图书的用户，为了避免相似度矩阵过于稠密，我们在实际计算中一般直接忽略他的兴趣列表，而不将其纳入到相似度计算的数据集中。
itemCF算法
lukeyyanghang的博客
02-15 1万+
什么是itemCF算法？ itemCF:ItemCollaborationFilter，基于物品的协同过滤   算法的核心思想:给用户推荐那些和他们之前喜欢的物品相似的物品   那么如何判断物品的是否相似呢？ 该算法认为，喜欢物品A的用户大都也喜欢物品B，那么我们称物品A和物品B相似。   itemCF算法流程 1.计算物品之间的相似度 2.根据物品的相似度和用户的历史行为给用...
协同过滤推荐系统：ItemCF、UserCF与SlopeOne解析
协同过滤在推荐系统中占据了重要的位置，它包括基于用户协同过滤（User-based CF）和基于项目协同过滤（Item-based CF）。其中，Item-based CF是预先计算物品之间的相似性，然后推荐给用户与其历史喜好物品相似的...
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