计算用户和商家的偏好相似度

在对目标用户进行O2O服务提供商推荐之前，首先需要进行以商家评分为基础的用户偏好相似度的计算。

定义5 用户对商家的综合评价是根据用户i对商家k所提供服务的使用体验、服务评价和使用次数计算得出的用户对该商家的综合评价值，反映了用户i对商家k的喜好程度。其计算如公式6-3所示。

其中，代表用户i对商家k的综合评价，Rmax为用户评价的设定最大值。如在Epinions数据集中，用户评分区间为[0，5]，其Rmax为5。Rni，j为用户i对商家k的第j项服务的评价次数，为用户i对商家k的第j项服务的加权评价值。通过公式6-3，生成用户对商家的综合评价。用户对商家某一项服务使用次数越多、评价越高，证明用户对该项服务的偏好程度越高，其值在商家综合评价值所占的权重就越大。

定义6 用户商家综合评价矩阵Rta，根据每个用户对商家的综合评价值，生成的整个用户商家综合评价矩阵。如图6-6所示。

图6-6　用户商家综合评价矩阵(www.xing528.com)

其中，代表用户i对商家k的综合评价，Spj代表O2O服务提供商j。有了用户商家综合评价矩阵Rta，就可以基于Rta进行用户的商家偏好相似度计算。

定义7 用户的商家偏好相似度是根据用户对商家的综合评价计算得到的用户之间的商家偏好相似程度值。我们采用Pearson相似度方法来计算其值。如公式6-4所示。

其中，Sim（i，j）sp表示用户i与用户j基于商家综合评价的商家偏好相似度，spi，j表示用户i与用户j所共同评价过的商家集合，表示用户i与用户j对商家spk的综合评价值，表示用户i与用户j对所有商家综合评价值的均值。根据公式6-4可知，Sim（i，j）sp的值处于[-1，1]之间，为了便于计算，我们对其归一化处理，使其值处于[0，1]之间。如公式6-5所示。

Sim（i，j）spx表示归一化后基于商家综合评价的用户i与用户j的相似度，Sim（i，j）spx值越大，用户i与用户j的相似程度越高。