CF算法计算商品间相似度

		推荐系统中经常会用到商品之间的相似度这一数据，业界中最常用的算法莫过于CF算法了，根据用户行为来计算商品之间的相似度，我们可以用一个表格来表述这种算法的原理：
 
  Item1 Item2 Item3
User1 W11 W12 W13
User2 W21 W22 W23
User3 W31 W32 W33
在以上表格中Itemi表示的第i中商品，Useri表示第i个用户，而Wij则表示的是用户i对商品j的“评分”，此评分可以是根据行为设定的权重，或者是用户的真实打分。
 
如果要计算Item1和Item2之间的相似度
 
1.用户对Item1和Item2的行为可以看作两个一维的向量(w11,w21.w31),(w21,w22,w23)。
 
2.问题已转换为计算两个向量的相似度，我们可以用欧式距离或者Cos值来计算两个向量间的相似度。
						
		
	

补充：综合编程 , 其他综合 ,

上一个：再谈使用Emit把Datatable转换为对象集合(List<T>)
下一个：2013年10月TIOBE编程语言排行榜，Groovy首次进入Top20