User-CF

思想是根据用户相似度推荐商品，计算步骤如下：

步骤1. 得到用户矩阵

得到n表示用户，m为商品的评分大矩阵，矩阵的值可以是用户对物品的评价，是否收藏等数据

步骤2. 得到计算预估评分的参考用户

每个用户的购买数据相当于用户的向量，用皮尔逊相关系数计算待推荐用户与其他所有用户之间的相似度，找出topN的相似用户或所有相关系数>0的用户，作为预估未购买的商品评分的参考用户。

步骤3. 计算未购买的商品的预估评分

根据相似用户的评分计算出推荐用户没有购买过的商品的预估评分，一般会用相关系数作为权重，计算 相似用户当前商品的相关系数加权评分/相似用户相关系数之和

但是，这种计算思路存在的问题：

由于商品规模较大，因此user很难存在相似性
用户数量太大，维护用户相似度表是平方级的空间
人是善变的，不同阶段的需求是不同的

Item-CF

计算思路与User-CF类似，只是这里根据物品相似度推荐商品：

步骤1：认为每个用户对商品的评分就是这个商品的向量
比如下面的movies1的向量就是：[1,0,3,0,0,5,0,0,5,0,4,0]
步骤2: 得到计算预估评分的参考商品
步骤3: 计算未购买的商品的预估评分

推荐系统学习（二）基于用户/物品的协同过滤算法（User-CF / Item-CF）相关推荐

ItemCF,基于物品的协同过滤算法
转载自 ItemCF,基于物品的协同过滤算法 ItemCF:Item Collaboration Filter,基于物品的协同过滤算法核心思想:给用户推荐那些和他们之前喜欢的物品相似的物品. 比 ...
推荐系统实践(二)----基于物品的协同过滤算法(ItemCF)
上一篇博客我简单讲了一下基于用户的协同过滤算法,这里我们一起来学习一下另一种:基于物品的协同过滤算法.基于物品的协同过滤算法是目前业界应用最多的算法,亚马逊.Netflix.Hulu.YouTub ...
推荐算法 itemcf java_推荐系统之基于物品的协同过滤算法（ItemCF）
推荐系统之基于物品的协同过滤算法(ItemCF) 发布时间:2018-03-04 16:55, 浏览次数:1778 , 标签: ItemCF 推荐系统之基于物品的协同过滤算法(ItemCF) 前端时间 ...
推荐算法概述（基于用户的协同过滤算法、基于物品的协同过滤算法、基于内容的推荐算法）
"无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家.教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家.点这里可以跳转到教程." 目前推 ...
【推荐系统】{2} —— 基于物品的协同过滤算法
协同过滤(英语:Collaborative Filtering,简称CF),简单来说是利用某兴趣相投.拥有共同经验之群体的喜好来推荐用户感兴趣的信息,个人透过合作的机制给予信息相当程度的回应(如评分) ...
大数据Hadoop学习之————基于物品的协同过滤算法实现物品推荐
一.基础概念协同过滤算法一般分为两种实现: 基于用户的协同过滤算法(userCF):通过寻找相似兴趣的其他用户,为指定用户推荐物品.比如用户A喜欢商品A.B,用户B也喜欢商品A和B,则可以认为用户A ...
【推荐系统】基于物品的协同过滤算法
基于物品的协同过滤算法目前业界应用最多的算法. 给用户推荐和他们之前喜欢的物品相似的物品. 其主要通过分析用户的行为记录计算物品之间的相似度.物品A和物品B具有很大的相似度是因为喜欢物品A的用户大都 ...
基于物品的协同过滤推荐算法_《推荐系统实践》3.基于物品的协同过滤算法
基于物品的协同过滤算法(item-based collaborative filtering,以下简称ItemCF)算法思想:给用户推荐那些和他们之前喜欢的物品相似的物品. 不过,ItemCF算法并不 ...
推荐系统实战（2）——基于物品的协同过滤算法（代码实现），U-CF和I-CF的比较
这里加点东西:有利于理解 1基于CF的推荐算法 1.1算法简介 CF(协同过滤)简单来形容就是利用兴趣相投的原理进行推荐,协同过滤主要分两类,一类是基于物品的协同过滤算法,另一种是基于用户的协同过滤算 ...

推荐系统学习（二）基于用户/物品的协同过滤算法（User-CF / Item-CF）