如何在协同过滤中计算分类变量之间的相似度

Question

我正在尝试使用协作过滤来建立推荐系统。

1. 我有用户项目数据集。我无法找到相似用户之间的相似性，因为我无法使用欧几里得/余弦距离在这里不起作用。
2. 如果我将分类变量转换为0，则1将无法计算距离。您能否建议使用python处理分类数据的任何推荐算法。

Answer 1

您仍然可以为用户项数据集计算余弦相似度。

例如；用户1购买商品1，商品2

用户2购买商品2，商品3

然后，用户向量是;

用户1 = [1, 1, 0]

用户2 = [0, 1, 1]

余弦相似度将为0.5

相同的规则适用于物品。