基于用戶的協同推薦算法

??? 推薦系統在我們的日常生活之中無處不在，例如，在電子商城購物，系統會根據用戶的記錄或者其他的信息來推薦相應的產品給客戶，是一種智能的生活方式。之所以增加過濾，是因為在實現過濾推薦的時候是根據其他人的行為來做預測的，基于相似用戶的喜好來實現用戶的喜好預測。

簡要介紹：?????????

通過找到興趣相投，或者有共同經驗的群體，來向用戶推薦感興趣的信息。

舉例，如何協同過濾，來對用戶A進行電影推薦？

答：簡要步驟如下：

找到用戶A(user_id_1)的興趣愛好

找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set<user_id>

找到該群體喜歡的電影集合Set<movie_id>

將這些電影Set<Movie_id>推薦給用戶A(user_id_1)

具體實施步驟如何？

答：簡要步驟如下

（1）畫一個大表格，橫坐標是所有的movie_id，縱坐標所有的user_id，交叉處代表這個用戶喜愛這部電影

如上表：

橫坐標，假設有10w部電影，所以橫坐標有10w個movie_id，數據來源自數據庫

縱坐標，假設有100w個用戶，所以縱坐標有100w個user_id，數據也來自數據庫

交叉處，“1”代表用戶喜愛這部電影，數據來自日志

畫外音：什么是“喜歡”，需要人為定義，例如瀏覽過，查找過，點贊過，反正日志里有這些數據

（2）找到用戶A(user_id_1)的興趣愛好

如上表，可以看到，用戶A喜歡電影{m1, m2, m3}

（3）找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set<user_id>

如上表，可以看到，喜歡{m1, m2, m3}的用戶，除了u1，還有{u2, u3}

（4）找到該群體喜歡的電影集合Set<movie_id>

如上表，具備相同喜好的用戶群里{u2, u3}，還喜好的電影集合是{m4, m5}

畫外音：“協同”就體現在這里。

（5）未來用戶A(use_id_1)來訪問網站時，要推薦電影{m4, m5}給ta。

總結

以上是生活随笔為你收集整理的基于python的电影推荐系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。