item-based algorithm

6.2 章节

http://openresearch.baidu.com/u/cms/www/201210/30144944cqmu.pdf;jsessionid=27FE07729A54FE415012B97849E2D1C1

其实，最主要的只是这样一张图：



101,102是每个item的id

最左边的大矩阵（记为A），用户的共现矩阵（co-occurrence matrix）。以购买为例子，购买101自己的，5个人；购买了101和102的，3个人…

右边的列向量（记为B），用户U3自己的购买记录，比如买了101商品2次，买了104商品4次…

矩阵相乘的结果（记为R），就是各商品的推荐度。去除已购买的商品，按得分排序下来。

这么理解。以A的第一行为例，表示其他各个商品，与101的关系。再乘以B，即用户已购买的商品，得到的就是101这个商品的评分。

基于这样的逻辑，根据共现矩阵的定义不同，可以有看了又看，看了又买，买了又买等等的解析…