《表1 用户Pearson相似度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于协同过滤的豆瓣电影推荐算法研究和实现》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

协同过滤算法的本质是利用那些有相似爱好的用户，利用他人的爱好为该用户进行物品推荐。该用户的相似性不是对用户的信息进行判断，而是使用了“群体的智慧”，是基于许多用户对一些物品集合上的打分数据进行计算的。在计算用户的相似度方面，其中较为常用的方法是使用Pearson相关技术衡量用户间的相似度。Pearson的相关系数取值从-1（负相关）到+1（正相关）。如表1所示，基于用户对物品的打分，给出了多个用户与Alice用户的相似度。其中可以发现用户5与Alice具有较强的相关性，可根据用户5的相关偏好对用户Alice进行推荐。