Algorithm 如何编写推荐项目系统？

可能重复：

我总是对网站如何向我推荐文章和用户感兴趣，基于我“喜欢什么”、我遵循什么、我投赞成票/反对票

当我浏览一个项目时，它也可以推荐项目，“相关文章”，“喜欢这篇文章的人也喜欢…”

我需要一些文章和图片来教我如何实现这样一个系统。非常感谢

更新：

我得到了一个关键词“slopeone”

维基百科的文章，是一个很好的开始。此外，这篇博文还提供了一些很好的信息和插图

最简单的方法是使用“喜欢本文的人也喜欢…”方法。如果您跟踪每个用户的文章评级，并跟踪谁喜欢哪些文章，那么您就有了推荐系统的基础

例如，假设您正在查看文章A。系统可以在其索引中查找每个喜欢文章A的用户。从该列表中，它可以创建一个列表，列出每个喜欢文章A的用户喜欢的所有文章。很可能会有明显的重叠（即，一些文章被多人喜欢）。您的算法跟踪每篇文章得到多少喜欢，然后显示得票最多的前N名

这种简单的系统在许多情况下都出人意料地有效，但并不完美。你会发现特别受欢迎的文章占主导地位，即使它们与你正在观看的文章无关。有一些方法可以防止非常流行的文章占据主导地位。一种方法是使用浮点数作为文章的分数。不是给每个“喜欢”的分数加1，而是增加

1/sqrt（喜欢的用户数）

。因此，一个喜欢（比如）100篇文章的用户只会对任何一篇文章给予

1/10

分，而一个只喜欢四篇文章的用户会对每一篇文章给予

1/2

分。虽然这听起来并不“公平”，但它确实会削弱那些非常受欢迎但又不相关的物品的效果

正如我所说，这是最简单的方法。如果您正在寻找“相关”文章，而不是基于用户输入，那么您必须为每篇文章分配关键字，或者您需要某种方法来检查文章并提取相关关键字

有很多方法可以做你想做的事情。你选择哪一个取决于你的数据的性质，你是否在做协同过滤，你想花多少时间来开发它，以及你希望结果有多好。

维基百科的文章，是一个很好的开始。此外，这篇博文还提供了一些很好的信息和插图

最简单的方法是使用“喜欢本文的人也喜欢…”方法。如果您跟踪每个用户的文章评级，并跟踪谁喜欢哪些文章，那么您就有了推荐系统的基础

例如，假设您正在查看文章A。系统可以在其索引中查找每个喜欢文章A的用户。从该列表中，它可以创建一个列表，列出每个喜欢文章A的用户喜欢的所有文章。很可能会有明显的重叠（即，一些文章被多人喜欢）。您的算法跟踪每篇文章得到多少喜欢，然后显示得票最多的前N名

这种简单的系统在许多情况下都出人意料地有效，但并不完美。你会发现特别受欢迎的文章占主导地位，即使它们与你正在观看的文章无关。有一些方法可以防止非常流行的文章占据主导地位。一种方法是使用浮点数作为文章的分数。不是给每个“喜欢”的分数加1，而是增加

1/sqrt（喜欢的用户数）

。因此，一个喜欢（比如）100篇文章的用户只会对任何一篇文章给予

1/10

分，而一个只喜欢四篇文章的用户会对每一篇文章给予

1/2

分。虽然这听起来并不“公平”，但它确实会削弱那些非常受欢迎但又不相关的物品的效果

正如我所说，这是最简单的方法。如果您正在寻找“相关”文章，而不是基于用户输入，那么您必须为每篇文章分配关键字，或者您需要某种方法来检查文章并提取相关关键字

---

有很多方法可以做你想做的事情。你选择哪一个取决于你的数据的性质，你是否在做协同过滤，你想花多少时间来开发它，以及你希望结果有多好。

Netflix为电影推荐系统（algorhitm）花了100万美元

---

您可以阅读有关算法的内容

Netflix花了100万美元购买电影推荐系统（algorhitm）

您可以阅读有关算法的内容

我认为“奇异值分解”可能是一个相关的关键字。我认为“奇异值分解”可能是一个相关的关键字。