基于JACCARD推薦(0,1推薦) 1、什麼是jaccard?
傑卡德相似系數(Jaccard similarity coefficient),也稱傑卡德指數(Jaccard Index),是用來衡量 兩個集合相似度的一種名額。 Jaccard相似指數用來度量兩個集合之間的相似性,它被定義為兩個集合交集的元素個數除以并集的元素個數。
在我們項目中對于新聞的推薦,每個使用者對新聞的浏覽可以看做是一個集合。這樣就可以使用jaccard算法實作使用者之間的相似度計算; 公式如下:
給定兩個n維二進制向量A、B,A、B的每一維都隻能是0或者1,利用Jaccard相似系數來計算二者的相似性:
1)
代表向量A與向量B都是0的次元個數;
2)
代表向量A是0而向量B是1的次元個數;
3)
代表向量A是1而向量B是0的次元個數;
4 )
代表向量A和向量B都是1的次元個數。
n維向量的每一維都會落入這4類中的某一類,是以:
(目前我們的推薦隻涉及到二維)
則Jaccard相似系數為:
在二維裡面其實就是 AB的一個交集數量/整體元素數量 ;
2、jaccard舉例?
比如我們的使用者對新聞的一個浏覽資料如下:
ABCD 代表的四個使用者 ;1,2,3,4 代表的是四個新聞;1代表看過該新聞,0代表沒有看過該新聞;下面簡單計算一下相似度:
使用者A 和 使用者B 的相似度計算: M11 就是1 M01+M10+M11 = 4 是以J(A,B) = 1/4 = 25% 使用者A 和 使用者C 的相似度計算: M11 就是3 M01+M10+M11 = 4 是以J(A,B) = 3/4 = 75% 使用者A 和 使用者D 的相似度計算: M11 就是2 M01+M10+M11 = 4 是以J(A,B) = 2/4 = 50%
由此可見A跟使用者的相似度排名從高到低就是 C D B ;
時間複雜度分析 1. 假設資料已經存在 A[n][m] 二維數組 n代表使用者 m代表商品 nm的值就是某個使用者是否看過某個商品 值用0,1 标示。0沒看過,1看過。 2.使用jaccard算法比較每個使用者 循環 A[n][m] ,依次比較從0到n的使用者 ; 形成數組B[n1][n2] 存放的資料代表每個使用者n1和使用者n2的相似度; for (int i = 0; i < USERCOUNT; i++) { for (int j = 0; j < USERCOUNT; j++) { if (i == j) {//自己跟自己的相似度 1 similarityMatrix[i][j] = 1; } else { similarityMatrix[i][j] = computeSimilarity(preference[i], preference[j]); } } 時間複雜度為O2
3.進行評分預測
A 周遊使用者 for B1相似度排序(array) for ( int j = 0; j < temp.length; j++) { temp[j] = similarity[j]; } B2擷取近鄰 for (int m = temp.length - 1; m >= temp.length - KNEIGHBOUR; m--) { for(int j = 0; j < similarity.length; j++) { if (similarity[j] == temp[m] && similarity[j] != 0.0 && j!=i) neighborSerial.add(new Integer(j)); } }
B3周遊商品 C1周遊近鄰 擷取評分 時間複雜度為 O2+ O3+O3 = O2 + 2O3 最終近似為O3