原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
09 第9章 推荐系统
其他物品的喜好进行预测计算。这样推荐引擎就可以在用户进入时向他推荐他可能感兴趣的物品。 9.2.1 基于用户的协同过滤
基于用户的协同过滤的基本思想相当简单,即基于用户对物品的偏好找到相邻邻居用户,然后将邻居用户喜欢的物品推荐给当前用户。在计算时,就是将一个用户对所有物品的偏好(行数据)作为一个向量来计算用户之间的相似度,找到K邻居后,根据邻居的相似度权重以及他们对物品的偏好,预测当前用户没有偏好的未涉及物品
,计算得到一个排序的物品列表作为推荐。下面给出了一个例子,对于用户A,根据用户的历史偏好,这里只计算得到一个邻居—用户C
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter12_0002.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da