1分钟了解协同过滤,以电影推荐为例进行讲解.

工程架构方向的程序员,看到推荐/搜索/广告等和算法相关的技术,心中或多或少有一丝胆怯。但认真研究之后,发现其实没有这么难。


今天的1分钟系列,给大家介绍下推荐系统中的“协同过滤”,绝无任何公式,保证大伙弄懂。


什么是协同过滤(Collaborative Filtering)?

:通过找到兴趣相投,或者有共同经验的群体,来向用户推荐感兴趣的信息。


举例,如何协同过滤,来对用户A进行电影推荐?

:简要步骤如下

  • 找到用户A(user_id_1)的兴趣爱好

  • 找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set<user_id>

  • 找到该群体喜欢的电影集合Set<movie_id>

  • 将这些电影Set<Movie_id>推荐给用户A(user_id_1)


具体实施步骤如何?

:简要步骤如下

(1)画一个大表格,横坐标是所有的movie_id,纵坐标所有的user_id,交叉处代表这个用户喜爱这部电影


如上表:

  • 横坐标,假设有10w部电影,所以横坐标有10w个movie_id,数据来源自数据库

  • 纵坐标,假设有100w个用户,所以纵坐标有100w个user_id,数据也来自数据库

  • 交叉处,“1”代表用户喜爱这部电影,数据来自日志

画外音:什么是“喜欢”,需要人为定义,例如浏览过,查找过,点赞过,反正日志里有这些数据


(2)找到用户A(user_id_1)的兴趣爱好


如上表,可以看到,用户A喜欢电影{m1, m2, m3}


(3)找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set<user_id>


如上表,可以看到,喜欢{m1, m2, m3}的用户,除了u1,还有{u2, u3}


(4)找到该群体喜欢的电影集合Set<movie_id>


如上表,具备相同喜好的用户群里{u2, u3},还喜好的电影集合是{m4, m5}

画外音:“协同”就体现在这里。


(5)未来用户A(use_id_1)来访问网站时,要推荐电影{m4, m5}给ta。


协同过滤大致原理如上,希望大家有收获。


推荐文章:

1分钟了解“区块链”的本质

1分钟了解“挖矿”的本质


人肉文章:

1分钟了解协同过滤,以电影推荐为例进行讲解.

1分钟了解"基于内容"的推荐,以招聘网站的职位推荐,为例进行讲解.

1分钟了解“关联规则”推荐

1分钟了解“相似性”推荐

同起点,同终点,打车价格不同”,杀熟,1分钟秒懂如何设计


转载自公众号:架构师之路,若有侵权,请联系作者进行删除.

  IT.互联网   技术

作者  :  冷之

升官发财,离职跳槽,职场上的这些事!




小程序

面试一点通

创作中心

分享职场知识、帮助到更多的人

最新发布