推荐物品算法:欧几里得距离评价&皮尔逊相关度评价

本文介绍了两种推荐系统中用于计算物品相似度的算法——欧几里得距离评价和皮尔逊相关度评价。欧几里得距离通过评价人在偏好空间中的距离计算相似度,而皮尔逊相关系数则适用于评价不规范的情况。文章还讨论了如何基于这两种算法进行推荐物品,并提出了基于物品的过滤方法,以提高大规模数据集上的推荐效率。

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

两种算法用来计算相似度评价,应用于例如网站的自动推荐。


欧几里得距离评价

将被评价的内容变为横纵坐标,称为“偏好空间”,将评价人置于坐标系中例如:
这里写图片描述
如图Toby对Snakes的评价为4.5,对Dupree的评价为1。

通过计算两个评价人在偏好空间中的距离平方和再开方即为两人的相似度,距离越短越相似。
为了得出数值便于理解,将计算所得距离+1取倒数,得到0-1范围内的相似值。+1的原因是防止距离为0,无法取倒数。相似值越高越相似。

代码(python):

critics = {
    'Lisa':{
  
  'Lady':2.5,'Snak':3.5,'Just':3.0,'Superman':3.5,'Dupree':2.5,'Night':3.0},
    'Gene':{
  
  'Lady':3.0,'Snak':3.5,'Just':1.5,'Superman':5.0,'Dupree':3.5,'Night':3.0},
    'Michael':{
  
  'Lady':2.5,'Snak':3.0,'Superman':3.5,'Night':4.0},
    'Claudia':{
  
  'Snak':3.5,'Just':3.0,'Superman':4.0,'Dupree':2.5,'Night':4.5},
    'Mick':{
  
  'Lady':3.0,'Snak':4.0,'Just':2.0,'Superman':3.0,'Dupree':2.0,'Night':3.0},
    'Jack':{
  
  'Lady':3.0,'Snak':4.0,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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