推荐系统-基于标签的推荐系统
·
1. 计算用户对标签的的喜爱程度
用户对物品的喜欢程度a（可以使用频次来计算）
物品与标签的相关度b（有该标签为1，没有该标签为0）
用户对标签的喜爱程度可以使用a*b得到
加入平滑因子可以使当评分行为较少时产生的误差
rate(u,t)用户u对标签t的喜爱程度
rate(u,i)用户u对物品i的喜爱程度
rel(i,t)物品i于标签t的相关度
2. 计算用户对标签的依赖程度
用户对某个标签使用的次数越多，用户对该标签的依赖程度就越大。
n(u,t)用户对标签t的使用次数
分母：用户使用的所有标签的次数之和
优化：需要对热门的使用标签进行惩罚，原理和it-idf一样
分子：所有用户数
分母：使用该标签的用户数
依赖公式为：tf-idf = TF(u,t)* IDF(u,t)
所以最后计算用户对标签的喜爱程度的公式为：
pre(u,t) = rate(u,t)*TF-IDF(u,t)
预测建模
用户对标签的兴趣矩阵Tu
商品的标签基因矩阵Ti
用户对商品的喜爱程度的预测公式可以为:
从最终的结果里面选取k个用户推荐给用户
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
0
0- 0
已为社区贡献4条内容
所有评论(0)