《表2 项目—类别属性矩阵》

  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

《融合图片相似度缓解新项目冷启动问题的研究》

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

对于类别属性的数据，通常利用0和1作余弦相似度计算。如表1所示，I1的类别属性集合为{1，1，1，0，1}，I3的类别属性集合为{0，1，0，0，1}，通过类别集合计算I1和I3两者之间的相似度为0.707，但分析表1可知，I3的平均分为4.5，I1的平均分为1.5，说明影片3远比影片1好看，更加受到用户的喜爱，但是得到两者之间的相似度有点差强人意；再看一个例子，I4的类别属性为{0，1，1，0，0}，通过类别集合计算I3和I4的相似度为0.816，反观影片4的评分远远低于影片3的评分，直接根据类别属性计算两者之间的相似度这种方法粒度太粗。分析表2，出现的频次有多有少，属性A2和A5出现的次数较为频繁，属性A4出现的频次较少，那么属性出现的频次是否会影响到项目相似性的计算呢?对于电影来说，影片可以分为喜剧和悲剧，喜剧分为讽刺喜剧、欢乐喜剧、幽默喜剧、无厘头喜剧等小类，因此大类属性—喜剧这个属性出现的频次相比于其小类出现的频次要高，那么在计算相似度时赋予每种属性的权重应该有所不同。人们常说，“物以稀为贵”，所以出现频次少的属性应该赋予更高的权重。为了提高计算效率，很容易联想到将属性出现的总频次的倒数作为权重值，于是得到如表3所示的矩阵。