文件名称：recommendation-engine:使用协作过滤构建非常简单的推荐引擎
文件大小：62KB
文件格式：ZIP
更新时间：2024-05-26 16:36:11
JavaScript
推荐引擎 任务：将（用户，物品）对映射为{likes，dislikes} 训练数据：已知的喜欢/不喜欢 测试数据：活跃用户 协同过滤 这种方法利用整个用户群的集体智慧和行为来生成建议，并且内容不可知。 该算法将查看行为和兴趣类似于查询用户的用户，并根据此数据提出建议。 例如，“查看/喜欢/购买了该商品的人也浏览/喜欢/购买了该其他商品” 矩阵表示可以与一个维度上的用户一起使用，而另一维度上的项目可以一起使用。 每个单元格都包含一个二进制条目：1 =喜欢的项目0 =不喜欢的项目。 如果用户没有看到项目，则单元格将留空，因此对于较大的用户和项目空间，矩阵很可能稀疏。 用户可以被提取向量。 可以在查询用户和其他每个用户之间计算相似性索引。 然后，该算法可以挑选出K个最相似的用户，并从其评分/喜欢的商品中获取推荐。 相似指数 相似性指数是一种衡量两个用户的相似程度的方法。 余弦相似度 查看查
【文件预览】：
recommendation-engine-master
----images()
--------jaccard.png(9KB)
--------weights.png(11KB)
--------jaccard2.png(27KB)
--------cosinesimilarity.png(10KB)
----package.json(710B)
----.gitignore(526B)
----lib()
--------trackRatings.js(398B)
--------findSimilarUsers.js(156B)
--------DBhandlers.js(303B)
----README.md(6KB)