回顾一下暑期在Future camp学习的推荐算法（一）——CB、CF、MF

1.基于内容的推荐算法（Content-based recommendations)

基于内容的推荐算法大概思路如下：

1） 根据用户A喜欢的商品提取商品的特征值集合setA

2）根据setA寻找相似的商品，将商品推荐给A

 

对于文档来说，可以提取文档里词的TF.IDF值，来找出能够代表这个文档的特征词汇：

TF意思是词频(Term Frequency)，即该词出现在此文章中的频率

TF公式：

IDF意思是逆文本频率指数(Inverse Document Frequency)，即总文件数与出现该词文件数的比值

IDF公式：

TF.IDF值就是TF与IDF的乘积，所得的分数越高，相应的该特征就越明显，越具有辨识度。

 

对于基于内容的推荐算法，寻找出合适的特征值非常的必要，但是特征值的选取往往很困难，所以该方法存在一定的局限性。

 

2.协同过滤算法（Collaborative Filtering）

协同过滤算法的大概思路如下：

1）对于用户B，根据用户B的评分找出和用户B相似的用户集合setB

2）通过setB预测出用户B对别的商品的评分，把高分商品推荐给用户B

 

上面这种思路又叫做User-User Collaborative Filtering，当然还有Item-Item Collaborative