Amazon.com Recommendations Item-to-Item Collaborative Filtering

目录

• 概
• 主要内容
• 代码

Linden G., Smith B. and York J. Amazon.com recommendations item-to-item collaborative filtering. IEEE Internet Computing, 2003.

概

传统的协同过滤绝大部分计算都是online的, 缺乏扩展性, 而基于聚类模型的推荐算法虽然大部分可以offline, 但缺乏精度. 本文提出物品和物品间的协同过滤, 通过构建物品间的相似度矩阵(offline), 于是在线推荐的时候只需依赖次矩阵选择相似度高的即可.

主要内容

假设矩阵$R \in \mathbb{R}^{m \times n}$ 为 $m$ 个用户为 $n$ 个商品的打分的矩阵, 令 $\bm{i}_k, k=1,2,\cdots, n$为代表第$k$件商品的列向量.

1. 通过例如 cosine 相似度计算出两两间的相似度 $S \in \mathbb{R}^{n \times n}$:

$$S_{j, k} = \frac{\bm{i}_j^T \bm{i}_k}{\|\bm{i}_j\| \|\bm{i}_k\|};$$

2. 对于某个用户$u$来说, 找到历史正反馈物品列表;
3. 利用$S$ 找出最相似的Top-K个物品(降序排列), 形成推荐列表.

代码

rita05616-Amazon-Recommendation-System