工程架構方向的程序員,看到推薦/搜索/廣告等和算法相關的技術,心中或多或少有一絲膽怯。但認真研究之後,發現其實沒有這麼難。
今天的1分鐘系列,給大家介紹下推薦系統中的「協同過濾」,絕無任何公式,保證大夥弄懂。
什麼是協同過濾(Collaborative Filtering)?
答
:通過找到興趣相投,或者有共同經驗的群體,來向用戶推薦感興趣的信息。
舉例,如何協同過濾,來對用戶A進行電影推薦?
答
:簡要步驟如下
找到用戶A(user_id_1)的興趣愛好
找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set
找到該群體喜歡的電影集合Set
將這些電影Set
具體實施步驟如何?
答
:簡要步驟如下
(1)畫一個大表格,
橫坐標
是所有的movie_id,
縱坐標
所有的user_id,
交叉
處代表這個用戶喜愛這部電影
如上表:
橫坐標,假設有10w部電影,所以橫坐標有10w個movie_id,數據來源自
數據庫
縱坐標,假設有100w個用戶,所以縱坐標有100w個user_id,數據也來自
數據庫
交叉處,「1」代表用戶喜愛這部電影,數據來自
日誌
畫外音:什麼是「喜歡」,需要人為定義,例如瀏覽過,查找過,點贊過,反正日誌里有這些數據
(2)找到用戶A(user_id_1)的興趣愛好
如上表,可以看到,用戶A喜歡電影{m1, m2, m3}
(3)找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set
如上表,可以看到,喜歡{m1, m2, m3}的用戶,除了u1,還有{u2, u3}
(4)找到該群體喜歡的電影集合Set
如上表,具備相同喜好的用戶群里{u2, u3},還喜好的電影集合是{m4, m5}
畫外音:「協同」就體現在這裡。
(5)未來用戶A(use_id_1)來訪問網站時,要推薦電影{m4, m5}給ta。
協同過濾大致原理如上,希望大家有收穫。