关于协同过滤算法(基于用户)的小问题

Question

以前没怎么接触过算法，看网上资料大概是分为以下几个步骤

  1.收集用户的爱好

  2.找到相似的用户或者物品

  3.计算推荐

公式也有给，但是看其他一些资料又出现了模型、训练等字眼，想请教一下基于用于的协同过滤算法需要用上机器学习吗，这个模型又是指什么呢。

Answer 1

首先我们明确下协同过滤的意义，协同过滤就是通过对象的相似性进行筛选来进行推荐。
基于用户的协同过滤，打个比方就是A用户买了一系列的编程书籍，B用户有着和A用户相似的一些属性，比如都是java工程师，那么A用户买的书就可以推荐给B用户。这个理论的成立是基础是最大似然估计
其中可以看出来，用户拥有了一些标签，通过这些类似的标签来进行推荐，就是基于用户的协同过滤
那么我怎么利用这些标签呢，换句话说，基于这个思想，我怎么来写代码呢，这里就用上了机器学习。把用户的一些列标签当成x，那么组成多元一次方程。y=ax1+bx2+c，这就是两个标签组成的二元一次方程，那么a,b,c的值如何确定呢？这个过程就是机器学习梯度下降的过程。而这个方程式就是所谓的模型。梯度下降的过程就是所谓的训练。