用户对物品的打分表-tinyxml指南[中文]

14.4 基于协同过滤的推荐系统  典型的推荐应用 —公司积累了大量的用户（user）对物品（item）的打分记录。 —根据当前用户的消费喜好，找到与其喜好相似的其他客户，分析他们有哪些物品（item） 对当前用户而言尚未消费使用，将这些物品推荐给当前用户。 —前提：当前访问用户的消费喜好和其他某些用户的消费喜好相似，且这种喜好在 近一段 时间以及未来一段时间内保持稳定。 —这样的推荐系统称为基于协同过滤的推荐系统（Collaborative-based Systems）  基于协同过滤的推荐系统又可分为： —基于用户（user）相似度（临近度）推荐（计算两个用户间的相似度，共同喜好总物品数） —基于物品（item）相似度（临近度）推荐（计算两个物品间的相似度，共同拥有的用户数）  操作步骤 第一步：加载并查看数据 将训练数据“collaborative_train”拖动到操作流程页面，将其连接到系统输出端，点击 运行后，我们看到数据分成三列，分别是“user_id”用户属性，“item_id”物品属性以及“rating” 打分属性，如图 14.1，有 28234 条打分记录，通过观察统计视图，没有发现缺失值。将测试 数据“collaborative_test”同样拖到流程里面来，观察数据，也有同样的属性项。 图 14.1 用户对物品的打分表