老王的电影网站，基于内容的推荐 - 推荐系统入门（二）

May ·

更新时间:2024-11-14

· 504 次阅读

“这书都挺厚的啊”，老王看了看，又掂了掂桌上新买的《推荐系统技术、评估及高效算法》《推荐系统实战》，不禁叹了一口气...

“先来个简单的，总比没有强吧。我看看哪个我能看的懂。”

老王翻书中...

“嗯...基于内容的推荐，好像就是用户喜欢什么类型的内容，就给他推荐相似的。这个很简单啊，就这个吧。”

老王继续翻书中...

“ 给用户推荐与他上次评分很高的内容的相似内容，怎么这么拗口，嗨，不就是小李上次看了《色戒》，觉得不错，那就给他推荐李安导演的，或者梁朝伟、汤唯演的其他电影嘛，或者就给他推荐其他的情色爱情电影。怎么后面还有些计算啊，看不懂，你给我讲讲吧。 ”

对于一个电影，可以问下面括号里的几个问题， [ 是李安导演的吗，是徐峥导演的吗，是梁朝伟主演的吗，是王宝强主演的吗，是爱情电影的吗，是喜剧电影的吗] ，那对于《色戒》就可以得到结果 [ 1，0， 1，0，1，0]，1 代表是，0 代表不是，对于《泰囧》可以得到结果是 [ 0，1， 0，1，0，1] 对吧。

对于一部电影来说，刚才的这些问题的结果就可以作为这个电影的特征。

“特征？”

嗯，特征，就比如一个水果是梨还是苹果，是甜还是酸，一个人是高还是矮，是胖还是瘦。

“哦，就是说明这是个什么样的东西，懂了。”

好，如果一个用户看了《色戒》《泰囧》《人在囧途》这三个电影，每个电影的都有一个上面这些问题的结果对吧，色戒是 [ 1，0， 1，0，1，0] ，《泰囧》是 [ 0，1， 0，1，0，1]，《人在囧途》也是 [ 0，1， 0，1，0，1] ，那么可以把这三个结果加起来，[ 1，2， 1，2，1，2]，再除以总数 3，[ 1/3，2/3， 1/3，2/3，1/3，2/3 ]，这个结果就反映了这个用户的喜好。里面数字越大就说明这个特征对他来说越重要。

“嗯，他看徐峥导演的作品多，代表徐峥的这个数就会比较大，说明他喜欢看徐峥的作品。哎，不对吧，他不是还打分了的吗？他看过《泰囧》不代表他喜欢啊？”

那我们可以把分数也考虑进来啊，如果《色戒》打 1 分，《泰囧》打 3 分，《人在囧途》打 5 分的话，那就 1 * [ 1，0， 1，0，1，0] + 3 * [ 0，1， 0，1，0，1] + 5 * [ 0，1， 0，1，0，1] = [ 1，8， 1，8，1，8] ，再除以总数 3，[ 1/3，8/3， 1/3，8/3，1/3，8/3 ] 。你看，代表徐峥的这个数更大了变成 8/3 了，因为他给《泰囧》和《人在囧途》都打了高分。

“但是有的人比较挑剔怎么办，比如他看了很多电影，看啥都不顺眼，一会说编剧垃圾，一会骂演员不会演戏，平均才给 3 分，可有的人就没那么挑，看啥都说好，平均给到 4 分。这么算不合适吧。”

确实，那我们可以把他看过所有电影的所打的平均分也考虑进来，比如他看了 100个电影，给这 100 个电影都打了分，平均分是 3 分，那他给《色戒》打的分是低于他的平均分的，也就是说他应该不太喜欢这个电影，我们可以用 1 - 3 也就是 -2 来作为《色戒》偏离他平均喜好的程度，同样的，《泰囧》是 0，《人在囧途》是 2。然后我们再算上面的，就是 -2 * [ 1，0， 1，0，1，0] + 0 * [ 0，1， 0，1，0，1] + 2 * [ 0，1， 0，1，0，1] = [ -2，2， -2，2，-2，2] ，再除以总数 3，得到 [ -2/3，2/3， -2/3，2/3，-2/3，2/3 ] 来作为对这个用户喜好的描述。

我们计算了用户的喜好以后，那我们可以用余弦相似性来计算这个用户对某个电影的喜欢程度。