推荐算法-欧几里得距离

一、欧几里得距离

用来记录两个向量之间的距离。

欧氏距离越小，两个用户相似度就越大，欧氏距离越大，两个用户相似度就越小。

二维空间的公式：

其中，

为点

与点

之间的欧氏距离；

为点

到原点的欧氏距离。

三维空间的公式：

n维空间的公式：

二、闵可夫斯基距离

当p=1时，即为曼哈顿距离；

当p=2时，即为欧几里得距离

当

时，即为切比雪夫距离

三、实现一个简单的音乐推荐系统

1、基于相似用户做推荐

跟你听类似歌曲的人，看作口味相同的用户。

通过用户的行为来定义对歌曲的喜爱程度，给每个行为定义一个得分，得分越高表示越喜爱：

每个人对歌曲的喜爱程度表示为如下：

通过欧几里得距离来计算两个向量之间的相似度

你：（5,3,3,0,-1,2,5,4,1,-1）

小明：(4,5,2,1,0,3,2,0,1,1)

2、基于相似歌曲做推荐

新用户还没收集足够多的行为数据，则基于相似歌曲进行推荐。

基于歌曲特征项计算相似度，我们可以对歌曲定义一些特征项【伤感、愉快、摇滚、民谣、柔和、高亢】

人工给每首歌每个特征项打分，工程浩大，存在个人主观性，影响推荐的准确性，不可行。

那么通过什么数据来量化两个歌曲的相似程度？

对于两首歌，如果喜欢听的人群都是差不多的，就可以侧面反映出这两首歌比较相似。

转载于:https://www.cnblogs.com/wjh123/p/11401653.html

推荐算法-欧几里得距离相关推荐

欧几里得最短距离公式_推荐算法原理（二）欧几里得距离计算物品间相似度
在上篇文章中介绍了如何利用余弦定理计算两个物品间的相似度:KiKlaus:推荐算法原理(一)余弦定理计算物品间相似度zhuanlan.zhihu.com 这种计算方法虽然简单,但是在衡量空间两个向量 ...
Python推荐算法讲解
1.闵可夫斯基距离:计算用户相似度闵可夫斯基距离可以概括曼哈顿距离与欧几里得距离. 其中r越大,单个维度差值大小会对整体产生更大的影响.这个很好理解,假设当r=2时一个正方形对角线长度,永远是r=3 ...
基于内容的推荐算法（CB）
简介 Collaborative Filtering Recommendations (协同过滤,简称CF) 是目前最流行的推荐方法,在研究界和工业界得到大量使用.但是,工业界真正使用的系统一般都不会 ...
【mahout笔记】初步理解userCF（基于用户的推荐算法）在mahout的实现
昨天尝试在java中搭建了一个mahout的小demo,实现的就是基于用户的推荐算法.代码如下(更多代码和测试数据库)参见前一篇: public class RecommendTest {final ...
【IT技术】常见的互联网推荐算法集，看完我跪了！
在上网购物.看小说.买电影票的时候,都会遇到各种各样的推荐,给我们推荐一些我们曾经买过或收藏过的同类型产品,或者是推荐一些我们看过的小说题材相同的小说.那这些产品推荐都是如何实现的呢?我们今天就来聊聊 ...
互联网中常见的推荐算法合集
在上网购物.看小说.买电影票的时候,都会遇到各种各样的推荐,给我们推荐一些我们曾经买过或收藏过的同类型产品,或者是推荐一些我们看过的小说题材相同的小说.那这些产品推荐都是如何实现的呢?我们今天就来聊聊 ...
深度学习——推荐算法基础原理
摘要互联网和信息计算的快速发展,衍生了海量的数据,我们已经进入了一个信息爆炸的时代,每时每刻都有海量信息产生,然而这些信息并不全是个人所关心的,用户从大量的信息中寻找对自己有用的信息也变得越来越困难 ...
推荐算法工程师的成长之道
作者 | gongyouliu 来源 | 大数据与人工智能(ID: ai-big-data) 本文,作者会基于自己的实践经验讲述推荐算法工程师的成长之道,这里的"道"有发展路径和道 ...
论文解读 | 微信看一看实时Look-alike推荐算法
作者丨gongyouliu 编辑丨lily 来源 | 授权转载自大数据与人工智能(ID:ai-big-data) 微信看一看的精选文章推荐(见下面图1)大家应该都用过,微信团队在今年发表了一篇文章来专 ...

推荐算法-欧几里得距离

推荐算法-欧几里得距离相关推荐

最新文章

热门文章