我疑惑基于项目的建议是什么，在书中“描述亨利马乌在行动 ”。 有书中的算法：
for every item i that u has no preference for yet
for every item j that u has a preference for
compute a similarity s between i and j
add u's preference for j, weighted by s, to a running average
return the top items, ranked by weighted average
如何计算项目之间的相似性？ 如果使用的内容，是不是基于内容的推荐？
最初的基于项目的建议是完全基于用户-项目排名（例如，用户评为电影3星，或用户“喜欢”的视频）。 当你计算项目之间的相似性，你不应该知道的比所有用户的收视历史上的其他任何东西。 因此，项目之间的相似性是基于收视率，而不是项目内容的元数据来计算。
让我给你举个例子。 假设你只有像下面的一些评价数据访问：
user 1 likes: movie, cooking
user 2 likes: movie, biking, hiking
user 3 likes: biking, cooking
user 4 likes: hiking
现在假设你想为用户4的建议。
首先创建的项目倒排索引，你会得到：
movie: user 1, user 2
cooking: user 1, user 3
biking: user 2, user 3
hiking: user 2, user 4
由于这是一个二进制等级（如与否），我们可以用一个相似性度量像Jaccard相似计算项目相似。
|user1|
similarity(movie, cooking) = --------------- = 1/3
|user1,2,3|
在分子中，user1的唯一元素的电影和烹饪都具有。 在分母电影和烹饪的结合有3个不同的用户（user1,2,3）。 |.| 这里表示集的大小。 因此，我们知道的电影和烹饪之间的相似性是在我们的例子1/3。 你只是做了所有可能的项目对同样的事情(i,j)
您正在使用的相似度计算做了所有对后，说，你需要为用户4的建议。
similarity(hiking, x)其中x是任何其他标记，你可能有。 如果您需要为用户3的建议，也可以聚集在其列表中的每个项目的相似度得分。 例如，
score(movie) = Similarity(biking, movie) + Similarity(cooking, movie)
score(hiking) = Similarity(biking, hiking) + Similarity(cooking, hiking)
基于内容的一点是，我们必须知道用户和项目的内容。 通常，您使用的共享属性空间的内容构建用户配置文件和项目的轮廓。 例如，对于一个电影，你在它的电影明星和类型（例如使用二进制编码）代表它。 对于用户配置文件，你可以根据用户的同样的事情，喜欢一些影视明星/流派等。然后用户和项目的相似性可以使用例如，余弦相似度来计算。
这里是一个具体的例子：
假设这是我们的用户配置文件（使用二进制编码，0表示不样，1种手段等），其中包含用户的偏爱超过5电影明星和5的电影类型：
Movie stars 0 - 4 Movie Genres
user 1: 0 0 0 1 1 1 1 1 0 0
user 2: 1 1 0 0 0 0 0 0 1 1
user 3: 0 0 0 1 1 1 1 1 1 0
假设这是我们的电影简介：
Movie stars 0 - 4 Movie Genres
movie1: 0 0 0 0 1 1 1 0 0 0
movie2: 1 1 1 0 0 0 0 1 0 1
movie3: 0 0 1 0 1 1 0 1 0 1
为了计算一部电影有多好用户，我们使用余弦相似性 ：
dot-product(user1, movie1)
similarity(user 1, movie1) = ---------------------------------
||user1|| x ||movie1||
0x0+0x0+0x0+1x0+1x1+1x1+1x1+1x0+0x0+0x0
= -----------------------------------------
sqrt(5) x sqrt(3)
= 3 / (sqrt(5) x sqrt(3)) = 0.77460
同理：
similarity(user 2, movie2) = 3 / (sqrt(4) x sqrt(5)) = 0.67082
similarity(user 3, movie3) = 3 / (sqrt(6) x sqrt(5)) = 0.54772
如果你想给用户一个推荐i ，随便挑电影j具有最高similarity(i, j)
希望这可以帮助。
“基于项目”的真正含义“项目相似性为基础的”。 你可以把你喜欢的任何相似性度量在这里。 是的，如果它是基于内容，比如余弦相似度超过词向量，你也可以称之为“内容为主”。
