原书出处
深度学习推荐系统
02 第2章 前深度学习时代——推荐系统的进化之路
关于“用户相似度计算”及“最终结果的排序”过程是不严谨的,下面重点描述这两步的形式化定义。 2.2.2 用户相似度计算
在协同过滤的过程中,用户相似度的计算是算法中最关键的一步。通过 2.2.1节的介绍可知,共现矩阵中的行向量代表相应用户的用户向量。那么,计算用户i和用户j的相似度问题,就是计算用户向量i和用户向量j之间的相似度,两个向量之间常用的相似度计算方法有如下几种
。 (1)余弦相似度,如(式2-1)所示。余弦相似度(Cosine Similarity)衡量了用户向量i和用户向量j之
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0006_split_002.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382