本文共 276 字，大约阅读时间需要 1 分钟。

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的用户大都也喜欢物品B。

ItemCF 可利用用户的历史行为给推荐结果提供推荐解释。

ItemCF算法主要分为两步：

1. 计算物品之间的相似度；
2. 根据物品的相似度和用户的历史行为给用户生成推荐列表。

从“Customers Who Bought This Item Also Bought”出发，用下面的公式定义物品的相似度：

w i j = ∣ N ( i ) ∩

转载地址：https://maoli.blog.csdn.net/article/details/115767136 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！