1分钟了解协同过滤，pm都懂了

版权声明：本文为博主原创文章，未经博主同意不得转载。 https://blog.csdn.net/z50L2O08e2u4afToR9A/article/details/79565720

project架构方向的程序猿。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。发现事实上没有这么难。

 

今天的1分钟系列，给大家介绍下推荐系统中的“协同过滤”，绝无不论什么公式，保证大伙弄懂。

 

什么是协同过滤（Collaborative Filtering）？

答：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。怎样协同过滤。来对用户A进行电影推荐？

答：简要过程例如以下

• 找到用户A(user_id_1)的兴趣爱好

• 找到与用户A(user_id_1)具有同样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)

 

详细实施步骤怎样？

答：简要过程例如以下

（1）画一个大表格。横坐标是全部的movie_id，纵坐标全部的user_id，交叉处代表这个用户喜爱这部电影

http://mmbiz.qpic.cn/mmbiz_jpg/YrezxckhYOyX5wfsD9TdibFmicOBhTr04AIIc1InhzTkQl83wQiajKd1QqicphMXb76HGSEhZ9JIU7XEUavaUicxicFw/640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1" alt="640?

wx_fmt=jpeg&wxfrom=5&wx_lazy=1" />

如上表：

• 横坐标，如果有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，如果有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”，须要人为定义，比如浏览过，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

https://mmbiz.qpic.cn/mmbiz_jpg/YrezxckhYOyX5wfsD9TdibFmicOBhTr04ASib9sXy8gXiaTr7TpxRrcxjgPtg2ARV34ut1bNmahgl1zscv2ApzsD8g/640?

wx_fmt=jpeg" alt="640?

wx_fmt=jpeg" />

如上表，能够看到，用户A喜欢电影{m1, m2, m3}

 

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

wx_fmt=jpeg" alt="640?

wx_fmt=jpeg" />

如上表。能够看到，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。具备同样喜好的用户群里{u2, u3}，还喜好的电影集合是{m4, m5}

画外音：“协同”就体如今这里。

 

（5）未来用户A(use_id_1)来訪问站点时，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》

《1分钟了解“区块链分叉”》