lennon/recommend_system
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

update README.md.

Browse Source 
Signed-off-by: taishan <liuyapeng@bdtd.com>
This commit is contained in:
taishan
2023-02-07 09:17:10 +00:00
committed by Gitee
parent dcbcf635aa
commit 46ad3a7a7d
1 changed files with 2 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

2
README.md
View File

@@ -41,6 +41,7 @@
**算法思想** **算法思想**
![输入图片说明](userCF.png) ![输入图片说明](userCF.png)
当一个用户A需要个性化推荐的时候，我们可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的，而用户A没有听说过的物品推荐给A。 当一个用户A需要个性化推荐的时候，我们可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的，而用户A没有听说过的物品推荐给A。
**步骤** **步骤**
所有基于用户的协同过滤算法步骤为： 所有基于用户的协同过滤算法步骤为：
@@ -64,6 +65,7 @@ UserCF需要维护用户相似度矩阵以便快速的找出Topn相似用户，
**算法思想** **算法思想**
![输入图片说明](itemCF.png) ![输入图片说明](itemCF.png)
由于UserCF的缺陷，导致很多电商平台并没有采用这种算法，而是采用了ItemCF算法实现推荐系统。基于物品的协同过滤基本思想是预先根据所以用户的历史偏好数据计算物品之间的相似度，然后把与用户喜欢的物品相类似的物品推荐给用户。ItemCF算法并不利用物品的内容属性计算物品间的相似度，主要通过分析用户的行为记录计算物品之间的相似度。 由于UserCF的缺陷，导致很多电商平台并没有采用这种算法，而是采用了ItemCF算法实现推荐系统。基于物品的协同过滤基本思想是预先根据所以用户的历史偏好数据计算物品之间的相似度，然后把与用户喜欢的物品相类似的物品推荐给用户。ItemCF算法并不利用物品的内容属性计算物品间的相似度，主要通过分析用户的行为记录计算物品之间的相似度。
**步骤** **步骤**
基于物品的协同过滤算法步骤： 基于物品的协同过滤算法步骤：