大数据商品推荐算法原理
一、用户行为与权重
1 点击——1.0分
2 搜索——3.0分
3 收藏——5.0分
4 付款——10.0分
二、算法思想
给用户推荐那些和他们之前喜欢的物品相似的物品。
三、举例
1、现有如下用户、商品、行为、权重
2 、建模
3、算法步骤
3.1 根据用户行为列表计算用户、物品的评分矩阵
3.2 根据用户、物品的评分矩阵计算物品与物品的相似度矩阵
3.3 相似度矩阵乘以评分矩阵得到推荐列表
推荐列表如下:
评分矩阵和推荐列表矩阵如下:
然后设置推荐列表对应元素为0
最终推荐列表如下:
四、编程设计
分4个步骤,每个步骤都是一个MapReduce作业。
第一步:根据用户行为列表计算用户、物品的评分矩阵。
第二步:根据用户、物品的评分矩阵计算物品、物品的相似矩阵。
第三步:物品、物品的相似矩阵x用户、物品的评分矩阵=推荐列表。
第四步:推荐列表中用户之前已经有过行为的元素设置为0。
- 上一篇: KMP字符串比较算法原理通俗易懂超级简单
- 下一篇: 前端面试必问get与post区别,现在我终于知道了