(
课件网) 4.2 算法的应用 新课导入 随着教育信息化的发展，基本建成世界第一大教育数字资源库 面对浩瀚如海的学习资源，如何在有限的时间内，挖掘和推送适合学习者的学习资源呢 算法的应用 推荐系统 通过分析历史行为，主动提供满足用户兴趣和需求的信息，实现信息找人 推荐算法 所谓推荐算法，就是利用用户的一些行为，通过一些数学算法推测出用户可能喜欢的东西。 推荐算法 基于内容的推荐 基于协同过滤的推荐 基于关联规则的推荐 基于效用的推荐 基于知识的推荐 协同过滤是基于行为数据分析的算法统称 基于用户的推荐 基于项目的推荐 组合推荐 基于用户的协同过滤推荐 先使用统计技术寻找与目标用户有相同喜好的“邻居”，然后根据目标用户邻居的喜好向目标用户推荐产品。 基本原理： 用户A 用户B 用户C 物品a 物品b 物品c 物品d 喜欢 推荐 相似 基于用户的协同过滤推荐 实现方法：①利用行为的相似度计算兴趣的相似度 根据给定用户u和用户v，找到其感兴趣的物品集合N(u)和N(v)，再通过余弦相似度公式计算用户u和用户v的兴趣相似度 基于用户的协同过滤推荐 实现方法：①利用行为的相似度计算兴趣的相似度 A B C D a d b e c A B C D a d b a c b e d e c 基于用户的协同过滤推荐 实现方法：①利用行为的相似度计算兴趣的相似度 A B C D a d b a c b e d e c 利用余弦相似度公式 算法的时间复杂度达到O(n2) 基于用户的协同过滤推荐 物品到用户倒查表 A B C D a d b a c b e d e c a d b c e A B A C B D A D C D 基于用户的协同过滤推荐 构建矩阵 A B C D a d b c e A B A C B D A D C D A B C D 1 1 1 1 1 1 1 1 1 1 基于用户的协同过滤推荐 计算相似度 A B C D A B C D A B C D A B C D 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 基于用户的协同过滤推荐 实现方法：②推荐物品 首先需要从矩阵中找出与目标用户u最相似的K个用户，用集合S(u,K)表示，将S中用户喜欢的物品全部提取出来，并去除u已经喜欢的物品。计算目标用户u对于每个候选物品i感兴趣的程度 基于用户的协同过滤推荐 实现方法：②推荐物品 a d b c e A B A C B D A D C D 根据最后得到的p,推荐给用户排名前N的物品 选取K=3个相似用户 基于项目的协同过滤推荐 根据所有用户对物品或者信息的评价，发现物品和物品之间的相似度，然后根据用户的历史偏好信息将类似的物品推荐给该用户 基本原理： 用户A 用户B 用户C 物品a 物品b 物品c 喜欢 推荐 相似 基于项目的协同过滤推荐 算法实现 Slope One算法是一种基于评分的推荐算法，本质上也是一种基于项目的推荐算法。 101 102 103 104 用户X 5 3.5 用户Y 2 5 4 2 用户Z 4.5 3.5 1 4 基于项目的协同过滤推荐 算法实现 1、求物品两两之间的差值平均分： 101 102 103 104 用户X 5 3.5 用户Y 2 5 4 2 用户Z 4.5 3.5 1 4 物品102和101： …… 物品103和101： 基于项目的协同过滤推荐 101 102 103 104 101 102 0.17 103 -0.75 -1.75 104 -0.25 -1.25 0.5 算法实现 1、求物品两两之间的差值平均分： 基于项目的协同过滤推荐 算法实现 2、进行推荐 101 102 103 104 101 102 0.17 103 -0.75 -1.75 104 -0.25 -1.25 0.5 X预测103评分： 101 102 103 104 用户X 5 3.5 用户Y 2 5 4 2 用户Z 4.5 3.5 1 4 基于项目的协同过滤推荐 算法实现 2、进行推荐 101 102 103 104 101 102 0.17 103 -0.75 -1.75 104 -0.25 -1.25 0.5 X预测104评分： 101 102 103 104 用户X 5 3.5 用户Y 2 5 4 2 用户Z 4.5 3.5 1 4 3 3.5 基于协同过滤推荐 场景 推荐算法 社交网络中（如微信等） 非社交网络中 user-based方法 item-based方法 推荐系统实例 视频网站推荐流程 问题与讨论 如何从用 ... ...
