后台回复【进群】，加入全栈技术学习交流群
基于内容的推荐可以根据我们从用户那里获取的数据来操作，无论是显式（评级）还是隐式（点击链接）。通过数据我们可以创建一个用户配置文件，然后用于向用户推荐，当用户提供更多输入或对建议采取更多操作时，推荐系统会变得越来越准确。
用户配置文件：
在用户配置文件中，我们创建描述用户偏好的向量。在创建用户配置文件时，我们使用描述用户和项目之间关系的实用程序矩阵。有了这些信息，我们可以对用户喜欢哪个项目做出的最佳估计是这些项目的配置文件的一些聚合。
项目配置文件：
在基于内容的推荐器中，我们必须为每个项目构建一个配置文件，该配置文件将代表该项目的重要特征。例如，如果我们把一部电影作为一个项目，那么它的演员、导演、发行年份和类型是这部电影最重要的特征。我们还可以从项目配置文件中的IMDB（互联网电影数据库）添加其评级。
效用矩阵：
效用矩阵表示用户对某些项目的偏好。在从用户收集的数据中，我们必须找到用户喜欢的项目和不喜欢的项目之间的某种关系，为此，我们使用实用程序矩阵。在其中，我们为每个用户项对分配一个特定的值，该值称为偏好程度。然后，我们绘制一个包含相应项目的用户矩阵，以确定他们的偏好关系。
UsersMovie1Movie2Movie3
User1
U2er1
有些列在矩阵中是空白的，这是因为我们不会每次都从用户那里获得全部输入，并且推荐系统的目标不是填充所有列，而是向用户推荐他/她喜欢的电影。通过此表，我们的推荐系统不会向用户 2 推荐电影 3，因为在电影 1 中，他们给出了大致相同的评分，而在电影 3 中，用户 1 给出了较低的评分，因此用户 2 很可能也不会喜欢它。
根据内容向用户推荐项目：
方法1：
我们可以使用项目向量和用户之间的余弦距离来确定其对用户的偏好。为了解释这一点，让我们考虑一个例子：我们观察到，对于倾向于出现在用户喜欢的电影中的演员，对于用户不喜欢的演员，向量的向量将有一个正数，对于用户不喜欢的演员，考虑一部具有用户喜欢的演员的电影，只有少数用户不喜欢的演员， 则用户和电影向量之间的余弦角将是一个很大的正数部分。因此，角度将接近于 0，因此向量之间的余弦距离很小。它表示用户倾向于喜欢这部电影，如果余弦距离很大，那么我们倾向于避免推荐中的项目。
方法2：
我们也可以在推荐系统中使用分类方法，就像我们可以使用决策树来找出用户是否想看电影一样，就像在每个级别上，我们可以应用某个条件来优化我们的推荐。例如：
⭐️ 送书福利
书籍：赠送3本《智能推荐系统开发实战》，更多介绍和目录可以点击下面链接了解。
每周都会给大家送书，常来留言混脸熟的都会有机会！这次送出的是”人工智能”相关的书籍，非常值得一读。
赠书规则
赠送规则：通过留言点赞的方式送出，转发本文至朋友圈+文末留言，从留言中随机抽取3位读者各送1本
开奖时间：10月30日20:00（周日）
end
扫一扫玩摸鱼游戏
个人简介：HDZ核心组成员，华为云享专家全栈领域博主，CSDN内容合伙人，掘金优秀作者，阿里云专家博主，InfoQ、蓝桥云课签约作者，全网粉丝14万+。一枚爱好计算机科学，求索于逻辑思维的同时不忘哲学和浪漫主义科学，乐于分享技术与快乐的博主。
QQ交流群：151836911
