推荐系统中的同现矩阵问题
来源:互联网 发布:阅知什么意思 编辑:程序博客网 时间:2024/06/05 13:31
最近在研究Hadoop大数据方面的知识,正巧看到了推荐系统,其中里面有个同现矩阵很是让我蒙圈,查了很多blog之后,写下来与大家分享。
1.建立同现矩阵的过程
在协同过滤算法中同现矩阵的建立是极其关键的一部,原始数据如下:
1,101,5.01,102,3.01,103,2.52,101,2.02,102,2.52,103,5.02,104,2.03,101,2.03,104,4.03,105,4.53,107,5.04,101,5.04,103,3.04,104,4.54,106,4.05,101,4.05,102,3.05,103,2.05,104,4.05,105,3.55,106,4.0
第一个数字是用户ID,第二个数字是电影ID,最后一个数字是用户对该影片的打分结果。
首先看到用户1,观看了101,102,103。则按照同现矩阵的思想,对
(101,101)、(101,102)、(101,103)
(102,101)、(102,102)、(102,102)
(103,101)、(103,102)、(103,103)点位加一,表示用户1对101,102,103影片的关联程度加一,同理将其余4个用户对影片的关联程度都相加,得到同现矩阵如下:
2.建立用户评分矩阵
用户评分矩阵即为用户i对产品打分的矩阵表示,以用户3为例:
U3[101] 2.0[102] 0.0[103] 0.0[104] 4.0[105] 4.5[106] 0.0
3.计算推荐得分
同现矩阵*用户评分矩阵=推荐分矩阵
由于同现矩阵的意思就是商品之间的关联程度,由于我们已经知道用户评分矩阵,所以即便用户对某一商品没有使用或者打分
但是根据其他相关联产品我们也可以得出一个推荐系统。
1 0
- 推荐系统中的同现矩阵问题
- 同现矩阵*评分矩阵=推荐结果
- 同现矩阵
- 为什么同现矩阵*评分矩阵=推荐结果?
- 为什么同现矩阵*评分矩阵=推荐结果
- 推荐系统中的矩阵分解
- MapReduce实现推荐算法(同现矩阵*评分矩阵=推荐结果)
- 矩阵分解在推荐系统中的应用
- 矩阵分解在推荐系统中的应用
- 矩阵分解在推荐系统中的应用
- 矩阵分解在推荐系统中的应用
- 推荐系统中的矩阵分解演变方式
- 推荐系统中的冷启动问题
- 推荐系统中的冷启动问题
- 如何建立物品的同现矩阵
- Spark机器学习:同现相似度矩阵
- 建立物品的同现矩阵的过程 和 同现矩阵*评分矩阵的意义
- 浅谈矩阵分解在推荐系统中的应用
- Apache Traffic Server配置cluster服务
- Java单例模式的几种写法
- 计算机BIOS的简单设置
- POJ 3069 贪心
- 【ShawnZhang】带你看蓝桥杯——算法提高 勾股数
- 推荐系统中的同现矩阵问题
- springMVC配置日志文件
- python核心编程 第3章
- C程序设计 例题 判读某一年是否为闰年(1)
- 点睛--filter的调用顺序
- Git命令
- Hadoop数据存储—Hbase
- Web大规模高并发请求和抢购的解决方案
- css画扇子