推荐系统之基于TF-IDF的特征提取推荐案例

基于内容推荐流程

建立物品画像
- 数据来源：用户打tag 和电影的分类值
- 根据tf-idf的结果为每部电影筛选出top-n（td-idf较大）个关键词
- 电影id-关键词-关键词权重
建立倒排索引
- 通过关键词找到电影
- 遍历电影id-关键词-关键词权重读取每一个关键词，用关键词作为key [(关键词对应电影id，tfidf)]作为value 保存到dict中
用户画像
- 看用户看过电影（打过分的），到电影的id-关键词-关键词权重数据中找到所有的关键词
- 把用户看过的所有关键词放到一起统计词频
- 出现多的关键词作为用户的兴趣词实际上就是用户画像的关键词
根据用户的兴趣词找到兴趣词对应的电影多个兴趣值可能对应一个电影 {电影id：[关键词1权重，关键词2权重]}
- 把每一个电影对应的关键词权重求和排序推荐给用户