python - 基于投票的用户之间的相似性

Question

假设我有一组用户、一组歌曲和一组对每首歌曲的投票:

=========== =========== =======
User        Song        Vote
=========== =========== =======
user1       song1       [score]
user1       song2       [score]
user1       song3       [score]
user2       song1       [score]
user2       song2       [score]
user2       song3       [score]
user3       song1       [score]
user3       song2       [score]
user3       song3       [score]
user-n      song-n      [score]
=========== =========== =======

根据歌曲投票计算用户相似度的最有效方法是什么？有没有比迭代每个用户和每首歌曲的每个投票更好的方法？

Answer 1

有两个常用指标可用于查找用户之间的相似性:

1. 欧几里得距离，这正是您的想法:想象一个 n 维图，每个轴都有一首歌曲，由两个相关用户评论 (u1 和 *u2) 并且其轴上的值是分数。您可以使用以下公式轻松计算相似度:

   对于 u1 和 u2 评价的每首歌曲，计算 pow(u1.song.score - u2.song.score, 2)并将所有内容加到 sum_of_powers 中.然后由 1 / 1 + (sqrt(sum_of_powers)) 给出相似系数.

2. Pearson Correlation(或相关系数):这是一种更好的方法，可以确定两个数据集之间的相关程度。此方法使用更复杂的公式和一些统计背景，请在此处查看:wiki .您将为每对用户创建一个图表，然后您根据分数绘制点.. 例如，如果 aSong已投2来自 u1 和 4从 u2 开始，它将绘制点 (2,4) (假设user1为x轴，u2为y轴)。

澄清一下，您使用线性回归 找到两个系数 A和 B ，它描述了最小化与图形所有点的距离的线。这一行有这个公式:y = Ax + B .如果两组相似点应该靠近主对角线所以A B 应该趋向于 1到 0。不要认为这个解释是完整的或作为引用，因为它缺乏可靠性和典型的数学形式，它只是给你一个想法。

编辑: 就像其他人写的那样，存在更复杂的聚类数据算法，例如 k-means，但我建议您从简单的算法开始(实际上，当您意识到结果还不够时，您应该需要一些更难的算法)。