集体智慧编程笔记：物品推荐过程小结

1、搜集偏好数据：

准备好人与物之间的数据：即每个person，对各个item的评价，评价需要量化成数字，比如1-10的评分，或者是喜欢\不喜欢\缺失的评价（转化成1、-1、0），已购买\已浏览\未购买（2\1\0）等；

 

2、寻找相似用户：

利用上述数据，计算每个用户之间的相似性：使用欧氏距离法，或者皮尔森系数等都可以，只需要满足：拥有同样的函数签名、以一个浮点数作为返回值，其数值越大代表相似度越大。

根据相似性评价指标，可以得到对每个用户，其他用户的相似性评分表；

 

3、推荐物品：

找到用户的相似用户后，并非将直接将相似用户的item直接推荐给用户。有种可能是：相似用户与一些item还没有建立评分联系，而这些item正是用户所喜欢的。

 

故，使用一个加权的评价值来为所有item打分：想似性*该用户对item的评分，除以总的相似性之和（对item有关系的所有用户的相似性评分之和），这样得到的结果，即是对每个item的一个加权评分

 

对上述分值作降序排列，即得到一个顺序推荐列表。