推荐算法：基于物品的协同过滤与余弦相似矩阵

一、个性化推荐算法简介 项目地址

demo1传送门

demo2传送门

1、基于⽤户的协同过滤算法（UserCF）

该算法利⽤⽤户之间的相似性来推荐⽤户感兴趣的信息，个⼈通过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的⽬的进⽽帮助别⼈筛选信息，回应不⼀定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。

但两个问题，⼀个是稀疏性，即在系统使⽤初期由于系统资源还未获得⾜够多的评价，很难利⽤这些评价来发现相似的⽤户。

另⼀个是可扩展性，随着系统⽤户和资源的增多，系统的性能会越来越差。

用户协同算法讲解传送门

2.基于物品的协同过滤算法（ItemCF）

内容过滤根据信息资源与⽤户兴趣的相似性来推荐商品，通过计算⽤户兴趣模型和商品特征向量之间的向量相似性，主动将相似度⾼的商品发送给该模型的客户。

由于每个客户都独⽴ *** 作，拥有独⽴的特征向量，不需要考虑别的⽤户的兴趣，不存在评价级别多少的问题，能推荐新的项⽬或者是冷门的项⽬。

这些优点使得基于内容过滤的推荐系统不受冷启动和稀疏问题的影响。

二、基于物品的协同过滤算法以及流程 <