基于物品的协同过滤演算法ppt课件.ppt
《基于物品的协同过滤演算法ppt课件.ppt》由会员分享,可在线阅读,更多相关《基于物品的协同过滤演算法ppt课件.ppt(36页珍藏版)》请在三一办公上搜索。
1、,第五章 推薦,王海,目錄,1,推薦系統的出現,2,推薦引擎的分類,3,主流推薦演算法,4,結束語,推薦系統的出現,推薦:把使用者模型中興趣需求資訊和推薦對象的特徵資訊匹配,同時使用相應的推薦演算法進行計算刷選,找到使用者可能感興趣的推薦對象,然後推薦給使用者。,推薦系統應運而生,比如,早上買包子的時候,老闆就經常問我要不要來杯豆漿。,推薦在生活中無處不在,推薦在生活中無處不在,社交網站:向他推薦可能感興趣的人;基於社交圖譜的推薦:根據其好友的偏好來向其推薦人、群組、內容、商品等。,電子商務:個性化推薦,6,推薦在生活中無處不在,7,推薦對企業的價值,亞馬遜:35%的銷售來自推薦。貝索斯:“如
2、果我有一百萬的用戶,我就會做一百萬個不同的網站!”。Netflix:75%的觀看來自推薦。,推薦與搜索的差別,推薦滿足的是非明確的需求。因此,推薦結果的點擊率低於搜索結果。,常用推薦演算法,推薦技術發展至今已經歷了十餘年。開發者們試過各種各樣的方法。經過大量的實踐,人們發現似乎沒有任何一個方法可以獨領風騷、包打天下。不過,目前,協同過濾使用最普遍。,10,11,基於協同過濾的推薦,基於用戶的協同過濾推薦,核心思想:,基於用戶對物品的偏好找到相鄰鄰居用戶,然後將鄰居用戶喜歡的推薦給當前用戶,和我興趣相似的人喜歡的商品我也會喜歡。步驟:根據用戶對各種物品的偏好值的相似程度,對每兩個用戶之間進行相似
3、度計算,為每個用戶找到與之相似度最高的幾個鄰居用戶,然後將鄰居用戶對每個物品的偏好值的加權平均作為目標使用者的偏好值的預測值。把預測值最高的多個商品作為目標使用者的推薦清單。其中,每個鄰居用戶的權重取決於該鄰居使用者與目標使用者之間的相似度。,基於協同過濾的推薦,基於用戶的協同過濾推薦,如何計算用戶間的相似度:,基於協同過濾的推薦,基於用戶的協同過濾推薦,設N(u)為用戶u有過正回饋的物品集合,設N(v)為用戶v有過正回饋的物品集合,u和v的興趣相似度可以用Jaccard公式或余弦相似度計算,,Jaccard公式,余弦公式,基於協同過濾的推薦,基於用戶的協同過濾推薦,舉例:下圖表示用戶A對物品
4、a,b,d有過行為,用戶B對物品a,c有過行為,利用余弦相似度計算可得:用戶A和用戶B的興趣相似度為:同理,,基於協同過濾的推薦,基於用戶的協同過濾推薦,舉例:下圖表示用戶A對物品a,b,d有過行為,用戶B對物品a,c有過行為,給用戶推薦和他興趣最相似的K個用戶喜歡的物品,其中,p(u,i)表示用戶u對物品i的感興趣程度,S(u,k)表示和用戶u興趣最接近的K個用戶,N(i)表示對物品i有過行為的使用者集合,wuv表示用戶u和用戶v的興趣相似度,Rvi表示用戶v對物品i的興趣(這裡簡化,所有的Rvi都等於1)。,可以算出,用戶A對物品c、e的興趣是:,基於使用者的協同過濾的一大缺點,形成有意義
5、的鄰居集合很難。很多用戶兩兩之間只有很少幾個共同評分。而僅有的共同打了分的物品,往往是票房大片。再者,用戶之間的距離可能變得很快。這種離線演算法難以瞬間更新推薦結果。,R實戰-基於使用者的協同過濾演算法,#(0)安裝載入R包install.packages(recommenderlab)library(recommenderlab)#(1)載入數據集data(Jester5k) #該數據集包含5000個樣本數據,來源於Jester線上笑話推薦系統搜集的1999年4月至2003年5月期間的匿名使用者對笑話的評價數據#數據集包含對100個笑話的評價,評分從-10至+10#數據集中所有用戶至少評價3
6、6個笑話#Jester5k包含362106個評分#(2)基於用戶的推薦#hist(getRatings(Jester5k), main=Distribution of ratings)rU - Recommender(Jester5k1:1000, method = UBCF)rU,R實戰-基於使用者的協同過濾演算法,#向第1001和1002用戶推薦的5個物品recomU - predict(rU, Jester5k1001:1002, n=5) recomUas(recomU, list)#預測評分recomU - predict(rU, Jester5k1001:1002, type=ra
7、tings) recomUas(recomU, matrix),1:10,R實戰-基於使用者的協同過濾演算法,#(3)評價方案:1000個樣本,90%作為訓練集,10%作為測試集#測試集中15個物品用於推薦演算法中,另外的用於計算誤差e - evaluationScheme(Jester5k1:1000, method=split, train=0.9, given=15, goodRating=5)e#應用訓練集產生基於用戶的推薦r1 - Recommender(getData(e, train), UBCF)#對已知部分的測試數據(每個使用者對15個物品的評分)用基於使用者的推薦演算法計算
8、預測評分p1 - predict(r1, getData(e, known), type=ratings)errorU - calcPredictionAccuracy(p1, getData(e, unknown)errorU,RMSE:標準差MSE:方差MAE:平均絕對誤差,基於協同過濾的推薦,基於物品的協同過濾推薦,核心思想:,在計算鄰居時採用物品本身,即基於用戶對物品的偏好找到相似的物品,然後根據用戶的歷史偏好,推薦相似的物品給他。,這個方法由亞馬遜公司最早提出。在電商中得到了廣泛使用。基於用戶對物品的偏好計算出物品之間的相似度,然後根據當前使用者的偏好,推薦相似的物品給他。例:購買手
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 物品 协同 过滤 演算法 ppt 课件

链接地址:https://www.31ppt.com/p-1325330.html