推荐系统学习

基于item的推荐算法

1 所有item集合AllItem{item1,item2,item3,item4}（已有用户做过评价的）

2 目标用户做过评价的UserItem{item1,item2},可能推荐的item集合PossibleItem{item3,item4}

3 计算PossibleItem中的item与UserItem中item的相似度semblance，根据用户对UserItem的评分score和semblance计算用户对PossibleItem的评分，取出评分较高的几个

（item相似度的计算，利用相同用户的评分）

 

可能推荐的item集合PossibleItem有不同的选择方式

方式一目标用户UserItem{item1,item2},item1的所有用户的所有item item2的所有用户的所有item

方式二目标用户UserItem{item1,item2},与item1或item2有相似性

方式三有用户做过评价的item