简单推荐系统的个人喜好如何用向量表示？
来源：3-7 Numpy 中向量的基本使用
他门说这就是人生
2020-07-06
老师在讲向量时，以简单推荐系统举例说，个人喜好的向量与所要推荐的商品所成的向量夹角小于90度则表示喜欢这些商品，则可以推荐。那么，请问这个向量是怎样一个向量呢？这个向量的每个元素是数字还是直接是他的喜好呢？一般在推荐系统中，编程里，怎么表示的这些向量？
我现在的理解是：
例如：
一部电影（记作电影1），他的标签有：动作，喜剧，奥斯卡电影。
那么表示成向量是 (动作, 喜剧, 奥斯卡电影)。
如果某人喜欢或经常看的电影的标签有 (奥斯卡电影, 悲剧, 情感)。
那么，给此人推荐的此电影的程度就为1（有一个标签重合，或说此人喜欢的电影所成的向量对这部电影所成的向量有1一个贡献）
如果，另一部电影（记作电影2）为(奥斯卡电影, 情感, 传记)，那么推荐系数就为2（有2个标签重合）。
所以，推荐系统就会优先推荐电影2，而把电影1的推荐排在后面。
对于用户标识过不喜欢的电影，则会通过其他算法算出该用户不喜欢的电影标签的向量，如果和电影1和电影2有重合，就不会推荐给此用户了。
在推荐系统中是这样吗？还是用其他方法表示的向量呢？谢谢老师。
1回答
-
一个简单的表示是，把不同的属性作为一个维度：
比如：（是否是奥斯卡电影？；是否是动作电影；是否是喜剧；是否是情感片；是否是传记片）当然，还可以有很多维度。
你说的电影1，就是 (1, 1, 1, 0，0)
你说的电影2，就是（1，0，0，1，1）
某个人的偏好，可能是（1，1，0，0，1）
根据这些向量就可以进行计算。
当然，我在课程中说的向量角度，只是一种计算形式。和这个课程中所讲的各种机器学习不同的标准一样，推荐系统的世界中也有不同的标准和计算方式，具体，需要具体学习推荐系统了，不在这个课程的范围里了。
印象里慕课网上有推荐系统相关的实战课程，有兴趣可以参考。
继续加油！：）
012020-07-06
相似问题