解决长尾效应的相似度（用于推荐）

2023-12-27 09:46:44

解决长尾效应的相似度（用于推荐）

wbcosine(Web Scale Cosine Similarity)

在这里插入图片描述
其中， U i U_i Ui?是浏览商品i的用户集合，如果 W u = 1 W_u=1 Wu?=1，那么就是标准的余弦函数。一般取 W u = 1 log ? 2 ( 3 + q u ) W_u = \frac{1}{\log_2(3+q_u)} Wu?=log2?(3+qu?)1?，其中 q u q_u qu?是用户浏览的商品数，也就是说用户越活跃贡献越小。但是只是打压了热门用户，没有改变热门商品。

Swing

在这里插入图片描述
其中， U i U_i Ui?是浏览商品i的用户集合， I u I_u Iu?是用户u浏览过的物品集合； α \alpha α是一个平滑常数，一般为1.

主要思想就是，如果大量用户同时喜欢两个物品，且这些用户之间的相关性低，那么这两个物品就是强相关的。

文章来源:https://blog.csdn.net/qq_42725437/article/details/135234074
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。