Item-CF

对ItemCF算法的整体理解

请简述ItemCF的核心思想及其主要步骤

核心思想：当很多用户同时喜欢两个物品时，认为这两个物品具有较高的相似度。

计算物品相似度：基于用户-物品交互记录（如点击、评分等）计算所有物品之间的相似度。

召回阶段逻辑

• 找到用户交互过的物品集合I_u
• 对于每个i∈I_u，找与之相似的物品
• 将这些相似物品合并去重、排序后推荐给用户

对候选物品进行打分/排序的预测

用户 $u$ 对物品 $b$ 的预测评分，也就是$\hat{r}_{u,b}$等于

$$
\frac{\sum_{i \in I_u} \text{sim}(b, i) \cdot r_{u,i}}{\sum_{i \in I_u} |\text{sim}(b, i)|}
$$

其中：

• $I_u$：用户 $u$ 的历史交互物品集合
• $r_{u,i}$：用户 $u$ 对物品 $i$ 的评分或隐式反馈得分
• $\text{sim}(b, i)$：物品 $b$ 与用户交互物品 $i$ 的相似度
  这是在召回之后，用来排序候选物品的重要打分函数。

相似度计算方法对比

ItemCF中常用的相似度计算方法有哪些？分别适用于什么场景？

余弦相似度的特点

为什么余弦相似度在稀疏场景下更稳定有效？它如何解决用户评分标准不统一的问题？

稀疏场景适配性：只需两个物品有一个共同用户即可计算相似度，不依赖全局数据。

评分标准统一：余弦相似度只关注向量方向（评分趋势），忽略长度（评分绝对值）。例如，用户A习惯打高分(5/4)，用户B习惯打低分(3/2)，但若两者对物品(X/Y)的打分趋势一致（X>Y），则认为相似。

皮尔逊相关系数的局限性

皮尔逊相关系数为什么不适用于稀疏场景？如何改进？

局限性：

• 需要足够多的共同评分（否则均值估计不准，协方差计算不稳定）
• 要求数据具有中心化意义（如评分均值需有意义）

改进：填补缺失值（如用全局均值），或改用余弦相似度。

既然皮尔逊相关系数在稀疏数据下有这么多限制，为什么实际中还有人用它？

纠正评分偏置：相比余弦相似度，皮尔逊会先对每个用户/物品的评分做中心化处理（减去均值），这能有效消除评分风格的影响，比如某些用户习惯打高分/低分，在相似度计算中体现更真实的兴趣相关性。

混合相似度的设计

如何结合物品的类别信息提升ItemCF的相似度计算效果？

在基础相似度（如余弦）上增加类别权重，例如：

若两物品属于同一类别，相似度乘以权重 $(1 + \alpha)$，其中$\alpha > 0$

$$
\text{Sim}{\text{混合}} = \text{Sim}{\text{基础}} \times (1 + \alpha \cdot \mathbb{I}[\text{同类别}])
$$

杰卡德系数的应用

杰卡德系数适用于哪些行为数据？能否用于评分数据？

适用场景：二值行为（如是否点击、是否购买），不适用于连续数据（如评分）。

评分数据处理：需先离散化（如评分≥4视为1，否则为0），但会损失信息。

欧式距离与余弦相似度的区别

欧式距离和余弦相似度在衡量物品相似度时有何本质区别？

欧式距离：关注向量绝对位置，对幅度敏感。适合需要区分“量级”的场景（如消费金额）。
余弦相似度：关注向量方向，对幅度不敏感。适合忽略量级、关注趋势的场景（如评分偏好）。

多行为数据的混合建模

在用户行为数据中，若80%的交互是点击，20%是购买，如何设计相似度计算？

加权混合：对不同行为赋予权重（如购买权重=5，点击权重=1），生成加权用户-物品矩阵，再用连续型余弦相似度计算。
分层处理：分别计算点击和购买的相似度，加权融合（如 $\text{Sim} = 0.2 \cdot \text{Sim}{\text{购买}} + 0.8 \cdot \text{Sim}{\text{点击}}$）。

冷启动的常见解决方案

ItemCF如何解决新物品的冷启动问题？请详细说明具体方法及其实现逻辑。

问题成因：物品冷启动，新物品缺乏交互数据导致无法计算相似度，也就无法与其他物品建立相似度关系

解决

方法一：结合内容信息初始化相似度

• 提取物品内容特征：如类别、标签、描述文本（TF-IDF/Embedding）、作者、价格等。
• 计算内容相似度：离散特征（类别/标签）用杰卡德系数（共享标签比例）；连续特征（文本向量）用余弦相似度。
• 融合到ItemCF：新物品的相似度直接使用内容相似度，老物品的相似度保留原ItemCF结果。

比如，新书《深度学习入门》与老书《机器学习实战》同属“AI”类别，且标签重合度高 → 初始化高相似度；当新书积累足够点击/购买后，逐步过渡到行为数据计算的相似度。

方法二：混合推荐策略

阶段1:冷启动期

• 对新物品采用基于内容（Content-Based）的推荐：用户画像 + 物品内容特征匹配（如用户常看“编程”类文章 → 推荐新书《Python进阶》）。
• 同时对新物品进行曝光试探：在推荐流中随机插入新物品，收集初始交互数据（需控制频率，避免用户体验下降）。

阶段2:数据累积后

• 设定切换阈值（如点击量≥100次或加入购物车≥10次）。
• 达到阈值后，将新物品纳入ItemCF相似度计算池，逐步替代内容推荐。

工程优化技巧

• 冷启动标识：在物品元数据中增加is_cold_start字段，动态更新状态。
• AB测试：对比纯ItemCF与混合策略的点击率/转化率，调整内容权重和切换阈值。
• 降级策略：若内容特征缺失，可基于热门推荐或类别相似度兜底。