基于物品的协同过滤（itemCF)

基于物品的协同过滤（itemCF)

ItemCF的原理

ItemCF的实现

用户对物品的兴趣分根据点击，评论，收藏，转发来打分
$$用户对后续物品的兴趣值=\sum _{j}like(user,ite{m}_j)\times sim(ite{m}_j,item)$$
公式中的itemj是用户真实访问到的历史物品，item是潜在的想推荐给用户的物品

物品的相似度

两个物品相似原理：两个物品的受众重合度越高，两个物品越相似。

例如：喜欢《射雕英雄传》和《神雕侠侣》的读者重合度高，可以认为《射雕英雄传》和《神雕侠侣》相似

计算两个物品相似度

喜欢物品i1的用户记作集合W1

喜欢物品i2的用户记作集合W2

交集V = W1 ∩ W2

两个物品相似度sim(i1,i2) ， sim(i1,i2)结果在0~1内，越大表示越相似。

注：上面该公式没有考虑用户对物品喜欢的程度，考虑喜欢程度的公式如下。

下面like(v,i1)表示用户v对物品i1的喜欢程度（1，2，3，4）。只喜欢i1或只喜欢i2的用户必有一方like为0。

所以该表达式实际上就是W1和W2的并集v（即喜欢i1也喜欢i2的用户）分别对物品i1和i2的喜欢程度。

分母相应也是W1中用户算上对物品i1的喜欢程度，W2中用户算上对物品i2的喜欢程度。

小结

这里的itemj是用户真实访问到的历史记录，item是潜在相关的想推荐给用户的

ItemCF召回的完整流程

事先做离线计算构建索引

离线计算主要建立“用户—>物品”及“物品—>物品”的索引

用户-物品索引主要功能：找到用户最近交互过的物品

物品-物品索引主要功能：根据用户交互过的物品找到与交互物品最相似的物品

用户—>物品索引搭建

物品—>物品索引搭建

线上做召回

为什么要用索引呢？数据库中有上亿个物品，如果挨个用公式计算用户对所有物品的兴趣分数再排序，那计算量太大了做不到实时，索引的意义就在于能避免枚举所有物品。

用了索引，只需要给2000个物品打分不需要给上亿个物品打分。

ItemCF召回流程小结

总结

ItemCF原理

ItemCF召回通道是召回中最重要的召回通道之一