协同滤波模型在ACM暑期学校案例学习中的推荐算法

该推荐技术通过协同滤波方法可分为基于用户的协同过滤、基于产品的协同过滤以及基于模型的协同过滤；本博文对这些分类进行了详细分析。

1. 数据准备、评价指标

基于协同滤波模型对用户行为有依赖性的一方来说，在此处采用MovieLen数据集作为测试对象。

MovieLen是由明尼苏达大学计算机科学系GroupLens研究中心负责开发并维护的一项重要数据集。它主要用于评估协同过滤算法的性能，并且是该领域最常用的公开基准之一。完整版本包含了高达26,183,457条电影评分数据这些评分基于27万个用户的观看体验而生成。然而GroupLens网站上的数据集并不提供任何用户的个人隐私信息因此在这里我们采用了Prajit-Datta在Kaggle上公开提供的该部分数据集

• 数据下载

下载地址：https://www.kaggle.com/prajitdatta/movielens-100k-dataset/data

此数据集涵盖：共涉及 1,682 division 影片及 943 名观众提供了总计 10^5 条评分（满分 5 分）。每位观众都对至少 2 \times \text{division} 的影片进行了评分。此数据集不仅提供了基本的人口统计资料（如年龄、性别及职业），还记录了这些信息自 1997 年 9 月 19 日至 $199