Question

1.实验目的

·加深对智能推荐的常用算法原理的理解。

·了解智能推荐的一种常用算法在Python中实现。

2.实验内容

应用Python实现基于物品的协同过滤算法。

·利用皮尔逊相似度计算方法进行物品相似度计算。

·基于物品协同过滤算法预测物品评分，然后得出推荐结果。

3.实验步骤提示

1）输入K（取K个最近邻居）。

2）计算物品之间的相似性，获得物品的相似性矩阵。

3）物品相似性矩阵排序，获得排序号的物品的相似性矩阵。

4）通过K个最近邻，计算用户对物品兴趣程度矩阵。

5）通过物品兴趣程度，推荐前N个。

4.思考与实验总结

1）基于用户的协同过滤和基于物品的协同过滤之间区别是什么。

2）两者的优缺点分别是什么，分别适用于什么场景。