參考:
https://www.imooc.com/video/15792
https://blog.csdn.net/greenhandzhang/article/details/18369697
https://www.cnblogs.com/cjsblog/p/8177065.html
https://blog.csdn.net/zll441488958/article/details/78923693
算法(不適用餘弦或者皮爾森算法計算相似度)分析:
首先得到用戶對物品的評分數據,是一個m*n矩陣,也就是所有的評分數據。
根據上面矩陣,找單獨評分和同時頻分的用戶數,得到下面矩陣:
注意:構建物品相似度矩陣的時候可以通過計算兩個物品的餘弦相似度得出,於是需要構建每個物品在所有用戶中的評分矩陣。
把上面兩個矩陣相乘結果就是推薦結果。
用戶沒有買過的幾項裏面選出最大(或者TopN)的物品推薦就可以了。
需要引入一個用戶對未購買物品的預測評分:參考:
https://www.cnblogs.com/yangxiao99/p/4459595.html
https://www.cnblogs.com/AndyJee/p/4854769.html
https://www.jianshu.com/p/e871e741b560