数据中台推荐系统入门:两种经典的推荐算法
Posted 文宇肃然
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据中台推荐系统入门:两种经典的推荐算法相关的知识,希望对你有一定的参考价值。
前言
所谓“物以类聚,人以群分”,基于用户的协同过滤算法就是基于这个原理来实现的。
你可能听过“啤酒与尿不湿”的故事:通过对一家超市的销售数据分析发现,有很多人在购买啤酒的同时又购买了尿不湿,这就是基于物品的协同过滤算法的案例。
读完本文你可以了解这两种算法的原理,并学会如何实现这两种算法。
1 基于用户的协同过滤算法
我们在生活中如何找到自己喜欢的商品呢?比如你想买一件衬衫,可能会看一下或者问一下周围的朋友都穿什么样的衬衫,在朋友的影响下,你有很大概率会到线上网店或者线下实体店中看一下这件衬衫。在推荐系统中,这就是一种向用户推荐感兴趣商品的方法,叫基于用户的协同过滤算法。
根据这个思路,我们可以看出基于用户的协同过滤算法主要分为2个步骤。
(1)找到和目标用户兴趣相似的用户。
这一步的关键是找到和目标用户相似的用户。我们看一下,在电商产品中如何通过用户的数据找到和目标用户相似的用户。
比如用户的下单数据为:①用户A下单购买了商品a、b、c;②用户B下单购买了商品a;③用户C下单购买了商品a、b。
通过这个简单的例子,我们可以看出,A和C的相似度显然高于A和B的相似度,因为A和C同时购买了商品a、b,而A和B仅仅同时购买了商品a。
那么如何通过算法计算用户A、B、C之间的相似度呢?这里可以引入余弦相似度公式。
以上是关于数据中台推荐系统入门:两种经典的推荐算法的主要内容,如果未能解决你的问题,请参考以下文章