基于项目的协同过滤和基于内容的协同过滤有什么区别？

Question

我对基于项目的推荐是什么感到困惑，就像"Mahout in Action“一书中所描述的那样。书中有这样的算法：

for every item i that u has no preference for yet
  for every item j that u has a preference for
    compute a similarity s between i and j
    add u's preference for j, weighted by s, to a running average
return the top items, ranked by weighted average

如何计算项目之间的相似度？如果使用内容，它不是基于内容的推荐吗？

Answer 1

基于项目的协同过滤

最初的基于项目的推荐是完全基于用户项目排名的(例如，用户给一部电影打了3星，或者用户“喜欢”了一个视频)。当您计算项目之间的相似度时，除了所有用户的评分历史之外，您不应该知道任何其他信息。因此，项目之间的相似度是基于评分而不是项目内容的元数据来计算的。

让我给你举个例子。假设您只能访问一些评分数据，如下所示：

user 1 likes: movie, cooking
user 2 likes: movie, biking, hiking
user 3 likes: biking, cooking
user 4 likes: hiking

假设您现在想要为用户4提供推荐。

首先，您为项目创建一个倒排索引，您将获得：

movie:     user 1, user 2
cooking:   user 1, user 3
biking:    user 2, user 3
hiking:    user 2, user 4

由于这是一个二元评级(喜欢或不喜欢)，我们可以使用Jaccard Similarity等相似性度量来计算项目相似度。

                                 |user1|
similarity(movie, cooking) = --------------- = 1/3
                               |user1,2,3|

在分子中，user1是电影和烹饪都具有的唯一元素。在分母中，电影和烹饪的联盟有3个不同的用户(user1,2,3)。这里的|.|表示集合的大小。因此，我们知道电影和烹饪之间的相似性在我们的案例中是1/3。您只需对所有可能的项目对(i,j)执行相同的操作。

在完成所有配对的相似度计算之后，例如，您需要为用户4提供推荐。

• 查看similarity(hiking, x)的相似性分数，其中x是您可能拥有的任何其他标签。

如果您需要为用户3提供推荐，您可以聚合列表中每个项目的相似度得分。例如,

score(movie)  = Similarity(biking, movie) + Similarity(cooking, movie)
score(hiking) = Similarity(biking, hiking) + Similarity(cooking, hiking) 

基于内容的推荐

基于内容的观点是我们必须知道用户和项目的内容。通常使用共享属性空间的内容来构造用户配置文件和项目配置文件。例如，对于一部电影，您可以使用其中的电影明星和流派(例如使用二进制编码)来表示它。对于用户配置文件，你可以根据用户喜欢的电影明星/流派等做同样的事情，然后可以使用例如余弦相似度来计算用户和项目的相似度。

下面是一个具体的例子：

假设这是我们的用户配置文件(使用二进制编码，0表示不喜欢，1表示喜欢)，其中包含用户对5个电影明星和5个电影类型的偏好：

         Movie stars 0 - 4    Movie Genres
user 1:    0 0 0 1 1          1 1 1 0 0
user 2:    1 1 0 0 0          0 0 0 1 1
user 3:    0 0 0 1 1          1 1 1 1 0

假设这是我们的电影配置文件：

         Movie stars 0 - 4    Movie Genres
movie1:    0 0 0 0 1          1 1 0 0 0
movie2:    1 1 1 0 0          0 0 1 0 1
movie3:    0 0 1 0 1          1 0 1 0 1

为了计算一部电影对用户来说有多好，我们使用cosine similarity

                                 dot-product(user1, movie1)
similarity(user 1, movie1) = --------------------------------- 
                                   ||user1|| x ||movie1||

                              0x0+0x0+0x0+1x0+1x1+1x1+1x1+1x0+0x0+0x0
                           = -----------------------------------------
                                         sqrt(5) x sqrt(3)

                           = 3 / (sqrt(5) x sqrt(3)) = 0.77460

类似地：

similarity(user 2, movie2) = 3 / (sqrt(4) x sqrt(5)) = 0.67082 
similarity(user 3, movie3) = 3 / (sqrt(6) x sqrt(5)) = 0.54772

如果你想给用户i一个推荐，只要选择similarity(i, j)最高的电影j即可。

希望这能有所帮助。

Answer 2

“基于项目”真正的意思是“基于项目的相似性”。你可以在这里放入任何你喜欢的相似性度量。是的，如果它是基于内容的，比如术语向量上的余弦相似度，你也可以称之为“基于内容的”。