Slope One 协同过滤 推荐算法

Slope one  是一个简单,效率较高的协同过滤推荐算法。

Slope One 算法是由 Daniel Lemire 教授在 2005 年提出.距今已经10年。

  

基于如下五点被设计出来:

1. 算法容易实现和维护

2. 对新的评分应该立即给予响应

3. 查询速度要快(虽然可能以牺牲存储量为代价)

4. 对新的用户也要能给出有效的推荐

5. 精度上要有竞争力


slope one用于推荐,其特点是算法逻辑简单实现容易算法复杂度低

像是刚接触推荐系统的朋友可以先采用这种算法来快速实现推荐功能,效率很高哟~

来说一下此算法,看完之后你会觉得很简单。哈哈,好吧,推荐就是这么简单就可以实现。



例子:

技术分享

目的:Lucy对item1的评分


1:首先计算 Item1 与 item2的平均差值:((5-3)+(3-4))/2=0.5.

则:Lucy对item1的评分是:0.5+2=2.5

2:同理,item1与item3的平均差值为(5-2)=3;则可得出Lucy对item1的评分为(3+5)=8;

3:然后再次采用加权算法(Weighted Slope One)来进行计算。

   (2.5*2+8*1)/(1+2)=13/3=4.33.

   至此,我们可以认为Lucy对 Item1 的评分约为 4.33.


主要分两个步骤:

一:根据不同商品求平均差值

二:使用加权算法来求最终评分结果。


强大,高效,准确度高的协同过滤推荐算法  slope one就这样了。



郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。