协同过滤(Collaborative Filtering)是推荐系统中最经典的算法之一,其核心思想是 “物以类聚,人以群分”,即通过分析用户的历史行为数据,找到与目标用户相似的用户群体或相似的物品,从而为目标用户推荐他们可能感兴趣的物品。
一、基于用户的协同过滤(User-Based CF)
核心思想:找到与目标用户兴趣相似的其他用户(“邻居”),将这些邻居喜欢的物品推荐给目标用户。
步骤:
s1.计算用户相似度:通过用户的历史行为(如评分矩阵)计算用户之间的相似度。常用方法有,
余弦相似度:将用户评分视为向量,计算向量夹角余弦值。
皮尔逊相关系数:修正用户评分偏置(如严格评分 vs 宽松评分)。
s2.选择邻居用户:筛选出与目标用户最相似的 Top-K 个用户。
s3.生成推荐:根据邻居用户的加权评分(相似度作为权重),预测目标用户对未交互物品的兴趣,推荐得分最高的物品。
举例:用户A和用户B都喜欢电影《星际穿越》和《盗梦空间》,用户B还喜欢《信条》,则可将《信条》推荐给用户A。
二、基于物品的协同过滤(Item-Based CF)
核心思想:找到与目标物品相似的其他物品,将用户喜欢物品的相似物品推荐给该用户。
步骤:
s1.计算物品相似度:基于用户对物品的历史行为(如共现次数或评分模式)计算物品之间的相似度。
常用方法:调整余弦相似度(消除用户评分尺度影响)。
s2.生成推荐:根据用户已交互的物品,找出相似物品并预测评分,推荐得分最高的物品。
举例:喜欢《哈利波特》的用户通常也喜欢《指环王》,则可将《指环王》推荐给喜欢《哈利波特》的用户。
三、协同过滤的关键问题与解决方式
数据稀疏性:用户-物品矩阵通常非常稀疏(大部分用户未交互大部分物品)。
解决方式:使用矩阵分解(如SVD、ALS)降维,或结合内容信息(混合推荐)。
冷启动问题:新用户或新物品缺乏历史数据。
解决方式:结合基于内容的推荐或利用社交网络信息。
相似度计算的效率:大规模数据下计算用户/物品相似度耗时。
解决方式:使用局部敏感哈希(LSH)或分布式计算(如Spark)。
四、协同过滤的优缺点
优点:
无需领域知识,仅依赖用户行为数据。
能够发现用户潜在的、非显式的兴趣(如“啤酒与尿布”关联)。
缺点:
依赖高质量的历史数据,对稀疏数据敏感。
难以处理冷启动问题。
可解释性较弱(尤其是矩阵分解类方法)。
五、Python实现示例
import numpy as np# 示例用户-物品评分矩阵(行表示用户,列表示物品)
# 0表示未评分
ratings = np.array([[5, 3, 0, 1],[4, 0, 0, 1],[1, 1, 0, 5],[1, 0, 0, 4],[0, 1, 5, 4],
])def similarity(user1, user2):"""计算两个用户之间的余弦相似度"""# 找到两个用户都评分的物品both_rated = np.logical_and(ratings[user1] > 0, ratings[user2] > 0)if not np.any(both_rated):return 0# 提取共同评分的物品user1_common = ratings[user1, both_rated]user2_common = ratings[user2, both_rated]# 计算余弦相似度dot_product = np.dot(user1_common, user2_common)norm1 = np.linalg.norm(user1_common)norm2 = np.linalg.norm(user2_common)if norm1 == 0 or norm2 == 0:return 0return dot_product / (norm1 * norm2)def recommend_items(user_id, top_n=2):"""为指定用户推荐物品"""n_users, n_items = ratings.shape# 计算目标用户与其他用户的相似度similarities = [similarity(user_id, i) for i in range(n_users)]recommendations = {}# 遍历每个物品for item_id in range(n_items):# 如果目标用户已经对该物品评分,则跳过if ratings[user_id, item_id] > 0:continue# 计算加权评分和相似度总和weighted_sum = 0sim_sum = 0# 遍历每个用户for other_user_id in range(n_users):# 如果其他用户对该物品有评分if ratings[other_user_id, item_id] > 0:weighted_sum += similarities[other_user_id] * ratings[other_user_id, item_id]sim_sum += abs(similarities[other_user_id])# 计算预测评分if sim_sum > 0:predicted_rating = weighted_sum / sim_sumrecommendations[item_id] = predicted_rating# 返回评分最高的top_n个物品return sorted(recommendations.items(), key=lambda x: x[1], reverse=True)[:top_n]# 为用户0推荐物品
user_id = 0
recommended = recommend_items(user_id)print(f"为用户{user_id}推荐的物品:")
for item_id, score in recommended:print(f"物品{item_id},预测评分:{score:.2f}")
示例说明
评分矩阵:使用一个二维数组表示用户对物品的评分,0 表示未评分。
相似度计算:通过余弦相似度计算用户之间的相似性,只考虑两个用户都评分的物品。
推荐计算:对于目标用户未评分的物品,基于相似用户的评分进行加权平均,预测目标用户可能的评分。
结果展示:返回预测评分最高的物品作为推荐结果。
六、小结
协同过滤因其简单高效,至今仍是推荐系统的基石技术之一,常与内容推荐、图神经网络其他方法结合使用。