典型的电子推荐方法(3) 电影 电影A 类型:爱情,浪漫 用户A 基于内容推荐机制 准荐 欢 电影B 电影B类型怖惊悚 相似 用户B 喜欢 电 电影C类型爱情,浪漫 物品A 物品A 用户A 用户A 物品B 相似 相似 物品B 用户B 物品C 用户B 喜欢 喜欢 物品C 物品D 推荐 用户C 用户C 基于用户的协同过滤推荐 基于项目的协同过滤推荐
典型的电子推荐方法（3） 基于内容推荐机制 基于用户的协同过滤推荐 基于项目的协同过滤推荐
相似度计算方法 皮尔森相似 余弦向量相似 丶由 Resnick等1994年提出项目相似度计 由 Salton and mCG等1983年提出向量相似 算方法,如下 度计算方法,如下: ∑(R-R)(R-R) mDm元2下下 ∑R ∑R sim(i,J=w 其中,R为用户对项目k的评分,1为用户评过 其中,,R,分别表示用户和用户对项目k的评分,R分的项目集合,k是用户与用户重合的评分数 分别表示用户和用户在各自己打分项目上的评分平均值。 目。 给定用户u和用户V,令N(u)表示用户u曾经有过正反馈的 物品集合,令N[Ⅵ)为用户v曾经有过正反馈的物品集合。 那么,我们可以通过如下的 acard公式简单地计算u和v的 兴趣相似度 N(unN(v)
相似度计算方法
研讨:典型的电子推荐应用案例 基于上下文信息的电影推荐 为博客用户推荐个性化的广告 基于位置感知的移动购物推荐 化妆品个性化电子推荐
研讨：典型的电子推荐应用案例 基于上下文信息的电影推荐 为博客用户推荐个性化的广告 基于位置感知的移动购物推荐 化妆品个性化电子推荐
基于上下文信息的电影推荐 用户界面 系统特征(概要)模块会 收集用户的个人信息,包 括性别、年龄和社会地位 概要 电影评分 电影推荐 根据用户的个人信息和以 模块 模块 模块 往评分信息获取该用户的 相似用户群 考虑相似用户的喜好,得 到一个初级的推荐电影列 表。在此基础上,根据该 相似用户群中其他用户对 概要数据库 电影数据库 评分/推荐数 于初级推荐电影列表中电 据库 影的评分,结合当前目标 用户的上下文环境,找到 评分相对一致且较高的电 影
基于上下文信息的电影推荐 用户界面 概要 模块 电影评分 模块 电影推荐 模块 概要数据库 评分/推荐数 据库 电影数据库 • 系统特征（概要）模块会 收集用户的个人信息，包 括性别、年龄和社会地位 等。 • 根据用户的个人信息和以 往评分信息获取该用户的 相似用户群。 • 考虑相似用户的喜好，得 到一个初级的推荐电影列 表。在此基础上，根据该 相似用户群中其他用户对 于初级推荐电影列表中电 影的评分，结合当前目标 用户的上下文环境，找到 评分相对一致且较高的电 影
基于协同过滤的电影推荐 The Titanic Die Forrest Hard Gump Wall-E Matrix John Lucy 5 Eric Diane 235 2553 预测ErC对电影 Titanic的评分: ∑ v∈N(u 式中M)表示用尸的邻居集,/表示用户L的邻居W对电影评 分。也可使用用户和之间的距离作为权重Ww ∑ Wuy rvi vENi (u) vENi(u)
预测Eric对电影Titanic的评分： 式中N(u)表示用户u的邻居集，rvi表示用户u的邻居v对电影i的评 分。也可使用用户u和v之间的距离作为权重wuv 基于协同过滤的电影推荐