推荐物品算法：欧几里得距离评价&皮尔逊相关度评价

最新推荐文章于 2025-06-26 22:38:51 发布

zhangqixiang5449

最新推荐文章于 2025-06-26 22:38:51 发布

阅读量4.3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：算法文章标签：算法

本文链接：https://blog.youkuaiyun.com/zhangqixiang5449/article/details/50898757

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,