推荐算法学习笔记

基于邻域的算法：

1. 基于用户的协同过滤：

1） 计算用户之间的相似度。找到跟目标用户兴趣相似的群体。（某两个用户同时喜欢的物品数目）

2） 将群体中用户喜欢的，但是目标用户没有看过的物品推荐给该目标用户。 

（通过与目标用户最相似的 K 个用户的喜好，计算目标用户对某物品的喜好程度， K 个用户的其中一个贡献的分数： 目标用户与该用户相似度 * 该用户对该物品的喜好程度。）

2. 基于物品的协同过滤：

1） 计算物品之间的相似度。（该相似度并非根据物品本身的属性如标题、meta信息等的相似度而计算，而是根据同时喜欢某两个物品的用户数目来计算的。）

2) 根据物品相似度推荐。（通过用户当前的物品行为列表计算用户对某新物品的喜好：用户对某物品的喜好程度 * 该物品与新物品的相似度）