［推荐算法］Slope One算法

和其他类似算法相比，最大特点是算法简单，易于实现，执行效率高

基本概念：

现在 用户 X，Y，Z都对itemA进行评分，并且X，Y也对itemB进行了评分，那么Z对itemB的评分应该是多少呢？ 

根据 Slope One算法，？= 4 - [( 5 - 10 ) + ( 3 - 6 )] / 2 = 8

解释一下，X对B的评分比A多5， Y对B的评分比A多3，那么平均B比A多4分，所以Z的B的评分就是 其对A的评分加上平均值。

很容易理解。找到 所有对 itemA和itemB评过分的用户，算出rating平均差值，那么我们就可以估算出只对itemA评分的用户Z对itemB的评分。从而对用户进行推荐。

这个算法还有一个优点，就是当数据量很小的时候，也可以进行较准确的推荐，一定程度上解决了冷启动的问题。 

来看 Weighted Slope One算法

如果有10个用户同时对 itemA和itemB打分，100个用户同时对 itemC 和 itemB 打分，那么Rating A -> B 和Rating C->B所占的比重也不一样

(10* (Za - RatingA->B)  + 100 ( Zc - RatingC->B) ) / (10 + 100) = result

举个例子： 

我们要计算用户Z对B的评分，X和Y都对A和B进行的评分，同时X对C和B也进行了评分

RatingA->B =[ (3-6) + (5-4) ] / 2 =  -1， 平均A比B少1分，根据这个侧面，Z对A评分为3，算出Z对B的评分为4

RatingC->B = 7-6 = 1, 平均C比B多1分， 根据这个侧面，Z对C评分为2，那么Z对B的评分为1

根据加权Slope One算法：

Z对B的评分 =（ 2 * 4 ＋ 1 ＊ 1）/ ( 2 + 1) ＝3

还有一个BI-polar SlopeOne算法，是基于用户对item的喜好（like or dislike）的算法，还在研究中。