基于物品的协同过滤算法是目前业界应用最多的算法

基于物品的协同过滤算法

基于物品的协同过滤算法是目前业界应用最多的算法。无论是亚马逊网，还是Netflix、Hulu、YouTube，其推荐算法的基础都是该算法。我在前面提到，这个算法主要思路是用户推荐和他之前喜欢的物品相似的物品。在上一篇文章，我们已经把用户之前的浏览行为都记录下来，通过分析和标签化，形成了用户画像。那么其实我们已经完成了第一步，掌握用户之前喜欢的内容。那么第二步即使计算物品相似程度，找到最为相似的物品形成个性化的推荐，再通过推送系统触达用户。下面为大家详细讲解计算的过程：

• 找到用户感兴趣的物品
• 与推荐的物品列表逐个物品进行相似度计算
• 选择相似度最高的物品，并推送给用户

首先如何找到用户感兴趣的物品，在上一篇我们是通过把内容标签化，并把标签赋予用户。那么我们从用户画像中取出一组与推荐物品相关的用户标签。即想给用户推荐商品，那么取出与商品相关的一组用户标签，例如是用户A（茶叶，铁观音，清香，100-200元/斤，产地福建，2018新茶，….）。然后我们在取出待推荐的物品列表，以同样标签化的方式整理，如下图：