在 CF item-item 推荐器中，当矩阵稀疏时如何计算项目相似度？

Question

在查找项目邻居的过程中，我需要先计算相似度。我如何在稀疏矩阵中计算它？正确吗？

Answer 1

在基于项目的协同过滤中，我们计算项目之间的相似度。

这里我们可以使用余弦相似度，因为无论稀疏向量有多少，余弦相似度都会根据向量之间的余弦角或向量中两个向量的接近程度来计算邻居space。不是基于向量的值。例如：-

        Per1    Per2    Per3
Item1    5        3        1
Ttem2    2        3        3

如果我们计算两个向量的余弦相似度：

Cos_sim_1 = (5*2 + 3*3 + 1*3) / sqrt((25+9+1)*(4+9+9)
Cos_sim_1 = 0.792

如果矩阵是稀疏的：

        Per1    Per2    Per3    Per4    Per5    Per6    Per7    per8
Item1    5        3        1     0       0        0       0       0    
Ttem2    2        3        3     0       0        0       0       0

以及稀疏向量的余弦相似度：

Cos_sim_2 = (5*2 + 3*3 + 1*3 + 0*0 + 0*0 +0*0 +0*0 +0*0) / sqrt((25+9+1+0+0+0+0+0)*(4+9+9+0+0+0+0+0))
Cos_sim_2 = 0.792

希望对你有帮助！！！！

在 CF item-item 推荐器中，当矩阵稀疏时如何计算项目相似度？

In CF item-item recommenders, how can I calculate item similarity when the matrix is sparse?

recommendation-engine

cosine-similarity