小编Leg*_*eg0的帖子

我几乎是数据挖掘和推荐系统的新手,现在正试图为具有这些参数的用户构建某种rec系统:

• 市
• 教育
• 利益

为了计算它们之间的相似性,我将应用余弦相似性和离散相似性.例如:

• city:如果x = y则d(x,y)= 0.否则,d(x,y)= 1.
• 教育:在这里我将使用余弦相似性,因为单词出现在部门名称或学士学位
• 兴趣:用户可以选择硬编码的兴趣数量,并根据以下两个向量计算余弦相似度:

1 0 0 1 0 0 ... n
1 1 1 0 1 0 ... n

这1意味着利益的存在,并且n是所有利益的总数.

我的问题是:如何以适当的顺序组合这三个相似之处？我的意思是只是总结它们听起来不太聪明,是吗？我也想听听关于我的"新手相似系统"的评论,哈.

有类似删除我的架构的问题

/**
* Article Schema
 */
var Comments = new Schema({
    body: { type : String, default : '' },
    user: { type : Schema.ObjectId, ref : 'User' },
    createdAt: { type : Date, default : Date.now }
})
var Likes = new Schema({
    user: { type : Schema.ObjectId, ref : 'User' },
    createdAt: { type : Date, default : Date.now }
  })

var ArticleSchema = new Schema({
  title: {type : String, default : '', trim : true},
  body: {type …