在 CF item-item 推荐器中，当矩阵稀疏时如何计算项目相似度？答案

【问题标题】：In CF item-item recommenders, how can I calculate item similarity when the matrix is sparse?在 CF item-item 推荐器中，当矩阵稀疏时如何计算项目相似度？
【发布时间】：2020-02-03 15:03:12
【问题描述】：

在寻找项目邻居的过程中，我首先需要计算相似度。如何在稀疏矩阵中计算它？对吗？

【问题讨论】：

标签： recommendation-engine cosine-similarity

【解决方案1】：

在item-based协同过滤中，我们计算item之间的相似度。

这里我们可以使用余弦相似度，因为无论向量有多稀疏，余弦相似度都会根据向量之间的余弦角或向量空间中两个向量的接近度来计算邻居。不是基于 thè 向量的值。例如：-

        Per1    Per2    Per3
Item1    5        3        1
Ttem2    2        3        3

如果我们计算两个向量的余弦相似度：

Cos_sim_1 = (5*2 + 3*3 + 1*3) / sqrt((25+9+1)*(4+9+9)
Cos_sim_1 = 0.792

如果矩阵是稀疏的：

        Per1    Per2    Per3    Per4    Per5    Per6    Per7    per8
Item1    5        3        1     0       0        0       0       0    
Ttem2    2        3        3     0       0        0       0       0

以及稀疏向量的余弦相似度：

Cos_sim_2 = (5*2 + 3*3 + 1*3 + 0*0 + 0*0 +0*0 +0*0 +0*0) / sqrt((25+9+1+0+0+0+0+0)*(4+9+9+0+0+0+0+0))
Cos_sim_2 = 0.792

希望对你有帮助！！！！！！

【讨论】：

可爱，感谢您的帮助，确实很清楚。在稀疏矩阵中，我意识到您将未知评级 (?) 替换为零“0”数字。那么，这是正确的做法，对吗？最佳