数据挖掘 - 推荐矩阵作为用户相似度和评级的乘积 - 吾爱随笔录

对于 item-item 和 user-user 协同过滤，推荐矩阵 $Γ_{m x n}$ 是一个 (mxn) 矩阵，可以定义为：

Γ (i, j) = r_{i j}

$Γ(i,j)=r_{ij}$ 对于用户-用户协同推荐 r_ij 定义为

r_{i j} = \sum_{(x \in u s e r s)} [c o s S i m (x, i) * R_{x j}]

$r_{ij}= ∑_{(x∈ users)}[cosSim(x,i)*R_{xj} ]$

对于 item-item 协作推荐 $r_{ij}$ 定义为

r_{i j} = \sum_{(x \in i t e m s)} [R_{i x} * c o s S i m (x, j)]

$r_{ij}= ∑_{(x ∈ items)}[R_{ix}*cosSim(x,j) ]$

因此矩阵Γ可以定义为：

在哪些情况下方程 Γ 成立。假设我们需要选择具有最高的 k 个项目，以便为用户i推荐前 k 个项目 $r_{ij}$