2019-03-24基于物品的协同过滤矩阵操作：
Y = X'·X
物品相似度：
IS = [ [1.49655792, 0.04042765, 0. ],
[0.04042765, 1.22789784, 1.10442966],
[0. , 1.10442966, 1.49655792] ]
用户对物品对喜好度 归一化矩阵：
P = [[0.26833698, 0.38846963, 0.34319338],
[0.97369679, 0.0263032 , 0. ],
[0.00886581, 0.47294886, 0.51818533],
[0. , 0.42461935, 0.57538065]]
应该是这样。markdown 表示 https://github.com/qinggeouye/GeekTime/tree/master/MathematicProgrammer/38_Matrix2CollaborativeFiltering展开 2
2019-03-13老师，矩阵USR里的数字看着是对矩阵USP按行求和，为什么不是像文中所述的对矩阵US按行求和？作者回复: 这里USR的内容有笔误，应该是对US按行求和，我稍后改一下
1 2
2019-03-13基于物品的相似度计算时，物品喜好度矩阵是用户喜好度矩阵的转置，是这样吗？
是选择基于用户的协同过滤还是基于物品的协同过滤，要考虑用户和物品哪一个维度数量比较少，相乘后产生的矩阵小，可以这样理解么？作者回复: 第一个理解是对的。
第二个观点从效率的角度出发是合理的，不过也要结合具体实践中推荐的效果好坏来选择具体的算法，效率只是一方面。 2
2019-12-20基于相似物品的推荐中，物品矩阵中存放的数据代表什么？值又是什么呢？作者回复: 这里的物品矩阵具体是指哪个？
2019-09-30先用夹角余弦计算两两用户之间的相似度，用这个相似度再重新计算用户i对某个物体j的喜好程度。即用所有用户对物品j的喜欢程度按照和用户i的相似度加权计算。今天的内容有点像马尔可夫过程，用户的喜好在原来的图中按照用户之间的相似度扩散了。作者回复: 是的，有些类似，不过CF强调两种角色，user和item
2019-07-20刚又翻了下《数学之美》，基于物品相似度推荐，感觉可以借用信息量中“互信息”这个概念来描述。
“互信息”描述两个随机事件“相关性”的量化度量。这里用来描述物品的相关性。
如果物品A、B，被同一个用户购买的次数，在总购买次数中占比较大，则认为二者相关性高，可以作为彼此的候选推荐商品。
基于用户相似度推荐，计算用户对某个商品的喜好度，实践时选取哪些考量特征会是一个难点。如购买次数，针对快消品(如食品、饮料等)，考量价值较大；但如果是家电之类的，可能需要考虑报障维修次数、回访调查满意度等信息。
如果是百货类的电商平台，基于物的相似度推荐，通用性是否更好？展开作者回复: 这可能要看具体的推荐需求，比如是更想推荐同类商品、还是跨品类商品？
2019-07-12老师，USR为什是对USP按行求和呢，看公式里USR的表述，和US完全一样啊作者回复: 参照之前的留言，这里有个笔误
1