1、推薦系統(tǒng)概述

電子商務(wù)網(wǎng)站是推薦系統(tǒng)應(yīng)用的重要領(lǐng)域之一，當(dāng)當(dāng)網(wǎng)的圖書推薦，大眾點(diǎn)評的美食推薦，QQ好友推薦等等，推薦無處不在。

從企業(yè)角度，推薦系統(tǒng)的應(yīng)用可以增加銷售額等等，對于用戶而言，系統(tǒng)仿佛知道我們的喜好并給出推薦也是非常美妙的事情。

推薦算法分類：

按數(shù)據(jù)使用劃分：

• 協(xié)同過濾算法：UserCF, ItemCF, ModelCF
• 基于內(nèi)容的推薦: 用戶內(nèi)容屬性和物品內(nèi)容屬性
• 社會(huì)化過濾：基于用戶的社會(huì)網(wǎng)絡(luò)關(guān)系

按模型劃分：

• 最近鄰模型:基于距離的協(xié)同過濾算法
• Latent Factor Mode(SVD)：基于矩陣分解的模型
• Graph：圖模型，社會(huì)網(wǎng)絡(luò)圖模型

本文采用協(xié)同過濾算法來實(shí)現(xiàn)電影推薦。下面介紹下基于用戶的協(xié)同過濾算法UserCF和基于物品的協(xié)同過濾算法ItemCF原理。

基于用戶的協(xié)同過濾算法UserCF

基于用戶的協(xié)同過濾，通過不同用戶對物品的評分來評測用戶之間的相似性，基于用戶之間的相似性做出推薦。簡單來講就是：給用戶推薦和他興趣相似的其他用戶喜歡的物品。

更多關(guān)于算法實(shí)現(xiàn)可參考

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的hadoop学习-Netflix电影推荐系统的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。