协同过滤（Collaborative Filtering）扫盲班（5）

Slope One协同过滤算法

Slope One是一个简单高效的协同过滤算法，由 Daniel Lemire 教授在 2005 年提出。

基本概念

用户X，Y和Z都对Item1打了分。 同时用户X，Y还对Item2打了分，用户Z对Item2可能会打多少分呢?

计算方法：4 – ((5-3) + (4-3))/2 = 2.5，找到对Item1和Item2都打过分的用户，算出rating差的平均值，这样我们就能推测出对Item1打过分的用户Z对Item2的可能的评分，并据此向Z用户推荐新项目。

Slope One的优点

这里我们能看出Slope One算法的一个很大的优点，在只有很少的数据时候也能得到一个相对准确的推荐, 这一点可以解决Cold Start的问题。

另外一种情况

如果100个用户对Item1和Item2的评分差的平均值是2，1000个用户对Item2和Item3的评分差的平均值是-3，那Item1相对Item3的评分情况又是如何？显然这两个rating差的权重是不一样的。因此我们的计算过程是：

• (100×(Rating 1 to 2) + 1000×(Rating 3 to 2)) / (100 + 1000)
• (100×2 + 1000×(-3)) / (100 + 1000)
• -2800/1100
• 约等于-2.55

也就是说Item1和Item3的评分差的平均值是2.55

其他你可能感兴趣的:

• 协同过滤（Collaborative Filtering）扫盲班（4）
• 协同过滤（Collaborative Filtering）扫盲班（3）
• 协同过滤（Collaborative Filtering）扫盲班（2）
• 协同过滤（Collaborative Filtering）扫盲班（1）