Amazon.com Recommendations Item-to-Item Collaborative Filtering
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.
- 通过例如 cosine 相似度计算出两两间的相似度 \(S \in \mathbb{R}^{n \times n}\):
\[S_{j, k} = \frac{\bm{i}_j^T \bm{i}_k}{\|\bm{i}_j\| \|\bm{i}_k\|};
\]
- 对于某个用户\(u\)来说, 找到历史正反馈物品列表;
- 利用\(S\) 找出最相似的Top-K个物品(降序排列), 形成推荐列表.
