协同过滤算法的研究
于计算复杂度较低距离越短说明用户xy间相似度越高用户xy间明考斯基距离公式若r=1则公式退化成曼哈顿距离公式若r=2则公式退化成欧里得距离公式于明考斯基距离法中距离值越小表示两用户越相似因利用上述预测公式时需距离进行步转换转换便得到相似度值满足预测公式相似度值求2.2 Pearson相关系数法实际中用户给物品打分习惯人会避免极端分数避免高低分只个分数段内打分这会导致用户产品打分数所代表意义这种情况下直接利用明考斯基距离法能会无法实反映用户间相似度利用Pearson相关系数[1]表示相似度解决明考斯基距离法隐含缺陷效解决用户打分习惯这问题Pearson相关系数值[-11]间变化1表示相似度高-1表示相似度低上述公式个严重缺点需多趟遍历数据这大大提高算法时间复杂度因般采用下述Pearson相关系数近似公式式中Sxy表示用户xy共打分物品集合cardSxy集合Sxy中元素个数近似公式看似复杂只需遍历遍数据因般用近似公式来计算Pearson相关系数2.3 Cosine相似性计算相似性时只会用到用户共打分产品
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：