推荐算法

读书笔记

推荐系统

推荐就是通过对嗜好的一些模式进行预测，借以发现你尚未知晓，却合乎心意的新事物。简单的说，要找到你可能喜欢的物品，你可以观察与你志趣相投的人喜欢些什么。另一方面，通过观察其他人的明显偏好，你可以弄清楚哪些东西和你已然喜欢的物品相似。实际上，它们就是推荐引擎算法中应用最广的两大类：user-based和item-based的推荐程序。以上两种都属于协同过滤的范畴，除此之外，还有content-based的推荐以及基于关联规则的推荐、基于模型的推荐、基于聚类的推荐、混合推荐等等。

推荐系统的评估

大多数推荐引擎会试图给出某些或其他所有物品的估计评分。由此，一种评估推荐程序推荐结果的方法是评估其估计偏好值的质量，即评估所估计的偏好在多大程度上与实际偏好相匹配。但是，没有现成的实际偏好值可用，没有人能确切地知道你将来有多喜欢某些新东西（包括你在内）。所有，一般的处理方式是，通过提取一小段真实数据作为测试数据来仿真。
此外，还有一种评估方式不在乎偏好值，这种方式认为，给出一个从优到劣的推荐列表对于许多场景就够用了，事实上，有时候精确的列表顺序也不那么重要，有几个好的推荐结果就可以了。这时，我们可以用经典的信息检索领域的查准率和查全率来度量。查准率是指在top结果中相关结果的比例，查全率是指所有相关结果包含在top结果中的比例。

基于用户（user-based）的推荐

基于用户的推荐来自以下直觉：

for(用户u尚未表达偏好的) 每个物品i
    for（对i有偏好的） 每个其他用户v
        计算u和v之间的相似度s
        按权重为s将v对i的偏好并入平均值
return 值最高的物品（按加权平均排序）

外层循环简单地把每个已知物品（用户未对其表达过偏好）作为候选的推荐项。内层循环逐个查看对候选物品做过评价的其他用户，并记下他们对物品的偏好值。最终，将这些值的加权平均作为目标用户对该物品偏好值的预测。
但是，实际中每个物品都检查实在是太慢了，所以通常会先计算出一个最相似用户的领域，然后仅考虑这些用户评价过的物品：

for 每个其他用户w
    计算用户u和用户w的相似度s
    按相似度排序后，将位置靠前的用户作为领域n
for（n中用户有偏好，而u中用户无偏好的） 每个物品i
    for（n中用户对i有偏好的） 每个其他用户v
        计算用户u和用户v的相似度s
        按权值s将v对i的偏好值并入平均值

以上就是一种标准的基于用户的推荐算法。

基于物品（item-based）的推荐

item-based的推荐与user-based推荐基本类似，其算法实现为：

for（用户u尚未表达偏好的） 每个物品i
    for（用户u表达偏好的） 每个物品j
        计算i和j之间的相似度s
        按权值为s将u对j的偏好并入平均值
return 值最高的物品（按加权平均排序）

P.S. 物品要比用户稳定，因为一般来说，搜集到的数据越来越多，对物品之间相似度的估计值会趋于收敛。它们没有理由剧烈或频繁地发生变化。但是用户的喜好会随时间而变化。

Mahout中的相似性度量