推荐算法之协同过滤算法详解(原理，流程，步骤，适用场景)

来源：世旅网

1.推荐算法之协同过滤算法

1.0推荐系统流程

推荐系统的流程是什么？

现实场景中用户和用户观看的电影往往不会一一对应上，在计算相似度时，均值计算时可选用的是：
- 1>用户评分所有值求平均值
- 2>用户与用户交集的均值
  我们通常选用1 ----原因
- 1>如果我们选用2。每一个交集都得计算一次均值，为了减少计算量
- 2>选用1时与效果2不会有太大的误差。

1.1协同过滤推荐方法CF理论基础

基于记忆的协同过滤主要分为：
　　相似统计方法得到具有相似兴趣爱好的用户
基于模型的协同过滤主要分为：
　　先用历史数据得到一个模型，在用此模型进行预测。基于模型的推荐广泛应用使用的技术包括神经网络技术、潜在语义LFM分析、贝叶斯网络聚类算法模型、分类算法模型、回归算法模型、矩阵分解模型、神经网络模型图模型、隐语义模型
　　

1.1关系矩阵相似度推荐

在推荐系统中，“关系”是用关系矩阵的形式来创建和存储下来的。以视频推荐为例，可以归纳为用户关系矩阵U-U矩阵、视频(物品)关系V-V矩阵和用户-视频(物品)关系U-V矩阵。
　　基于记忆的协同过滤主要是依赖于对U-U矩阵和V-V矩阵处理分析，通过相似度计算得到用户相似度和视频或物品相似度，并在此基础上形成推荐结果。

推荐算法之协同过滤算法详解(原理，流程，步骤，适用场景)

1.推荐算法之协同过滤算法

1.0推荐系统流程

推荐系统的流程是什么？

1.1协同过滤推荐方法CF理论基础

1.1关系矩阵相似度推荐

1.1.1U-U矩阵相似度推荐-Pearson

1.算法原理

2.算法流程