1.将所有用户对某个物品的偏好作为一个向量来计算物品的相似度。
2.找该物品的相似物。
3.根据用户历史的偏好,预测用户没有涉及的物品的偏好,计算推荐列表推荐之。

本文介绍了一种基于物品相似度的推荐算法实现方法:首先将用户对物品的偏好构建成向量,以此计算物品之间的相似度;接着寻找每个物品最相似的物品;最后根据用户的偏好历史预测其对未接触过的物品的兴趣程度,并据此生成推荐列表。
1.将所有用户对某个物品的偏好作为一个向量来计算物品的相似度。
2.找该物品的相似物。
3.根据用户历史的偏好,预测用户没有涉及的物品的偏好,计算推荐列表推荐之。


被折叠的 条评论
为什么被折叠?