现今的个性化推荐方法有很多,包括基于内容的个性化推荐方法、基于协同过滤的个性化推荐方法,基于知识的个性化推荐方法、基于关联规则的推荐和基于两种或多种方法的混合推荐方法。在传统的协同过滤中,用户/项目相似度的计算方法有皮尔逊相关系数方法和余弦方法:皮尔逊相关系数方法。通常我们将协同过滤方法与K近邻算法( K-Nearest Neighbour , KNN )相结合,利用相似度计算方法,找到与目标用户/项目相似度最高的K个用户/项目,同时利用这K个用户/项目的历史评分来进行评分预测,从而做出最终的推荐。在商业 ......