在电商推荐系统中，如何计算用户与商品的相似度？假设有用户购买历史（如用户A购买过商品1、3，用户B购买过商品1、2），给出一种高效算法（如协同过滤中的基于物品的CF），并分析时间复杂度和适用场景。
淘天集团T-STAR 日常实习生难度：中等
答案
1) 【一句话结论】：在电商推荐系统中，采用基于物品的协同过滤（Item-Based CF），通过预计算并存储商品间的相似度矩阵，对用户购买过的商品推荐相似商品，该算法时间复杂度低（推荐阶段为O(U*K)，K为Top K相似商品数），适合商品数量庞大的场景（如淘宝百万级商品）。
2) 【原理/概念讲解】：老师口吻，解释核心思想。基于物品的协同过滤的核心是“商品相似度驱动推荐”，即先计算所有商品之间的相似度，再基于用户购买行为推荐相似商品。具体步骤：
- 数据准备：收集用户购买历史，构建用户-商品矩阵（用户A→{商品1,3}，用户B→{商品1,2}）。
- 相似度计算：选择度量（如余弦相似度），计算任意两个商品之间的相似度。余弦相似度公式为：
( \text{sim}(i,j) = \frac{\sum_{u \in U} \mathbf{r}{u,i} \cdot \mathbf{r}{u,j}}{\sqrt{\sum_{u \in U} (\mathbf{r}{u,i})^2} \cdot \sqrt{\sum{u \in U} (\mathbf{r}{u,j})^2}} )，其中( \mathbf{r}{u,i} )表示用户u对商品i的评分（购买行为可视为评分1），共现用户数量可简化为用户集合的交集大小（如商品1和商品2的共现用户为{A,B}，则相似度为1）。 - 推荐生成：对于用户购买的商品，查找该商品相似度最高的其他商品（Top K），推荐给用户。例如，用户A购买商品1和3，商品1的相似商品是商品2（相似度1），商品3无其他共现用户，故推荐商品2。
类比：把商品看作“物品”，用户购买行为是“喜欢”，那么相似的商品就是“同类型”（如都是“运动鞋”），推荐就是“给你喜欢的‘运动鞋’的同类型‘篮球鞋’”，通过计算物品间的“相似性”来传递偏好。
3) 【对比与适用场景】：用表格对比基于物品和基于用户的CF：
| 维度 | 基于物品的CF（Item-Based CF） | 基于用户的CF（User-Based CF） |
|---|---|---|
| 定义 | 计算商品间的相似度，推荐相似商品 | 计算用户间的相似度，推荐相似用户购买的商品 |
| 计算对象 | 商品-商品相似度 | 用户-用户相似度 |
| 时间复杂度 | 计算阶段：O(N²)（N为商品数），推荐阶段：O(U*K)（U为用户数，K为Top K相似商品数） | 计算阶段：O(U²)（U为用户数），推荐阶段：O(U*K)（K为Top K相似用户数） |
| 适用场景 | 商品数量庞大（如电商百万级商品），用户行为稀疏 | 用户数量较少（如社交推荐），用户行为密集 |
| 注意点 | 需高效存储和查询商品相似度矩阵（如稀疏矩阵、缓存） | 需高效存储和查询用户相似度矩阵，用户间相似度计算效率低（用户数多时） |
4) 【示例】：以用户A（购买商品1、3）、用户B（购买商品1、2）为例，计算商品1和商品2的余弦相似度（共现用户为{A,B}，共现用户数=2，用户1的购买用户数=2，用户2的购买用户数=2，故相似度=2/(√2*√2)=1）。推荐步骤：
- 计算商品1的相似商品：商品2（相似度1），商品3（共现用户{A}，相似度=1/ (√1*√1)=1）。
- 用户A未购买商品2，故推荐商品2。
伪代码（简化版）：
# 用户购买历史
user_items = {'A': [1, 3], 'B': [1, 2]}
# 计算商品相似度（余弦相似度，共现用户数量）
item_sim = {}
for item1 in user_items['A']:
for item2 in user_items['A']:
if item1 != item2:
common_users = set(user_items['A']) & set(user_items['B'])
if item1 in common_users and item2 in common_users:
sim = 1 # 共现用户相同
else:
sim = 0
item_sim[(item1, item2)] = sim
# 推荐给用户A
recommended = []
for item in user_items['A']:
for similar_item, s in item_sim.items():
if similar_item[0] == item and similar_item[1] not in user_items['A']:
recommended.append((similar_item[1], s))
recommended.sort(key=lambda x: x[1], reverse=True)
# 输出推荐结果：商品2，相似度1
5) 【面试口播版答案】：面试官您好，针对电商推荐系统中计算用户与商品相似度的问题，我主要介绍基于物品的协同过滤（Item-Based CF）算法。核心思路是先预计算并存储商品间的相似度矩阵，再对用户购买过的商品推荐相似商品。具体来说：
- 收集用户购买历史（比如用户A买过商品1、3，用户B买过商品1、2）；
- 计算商品间的相似度（以余弦相似度为例，通过共现用户数量计算，如商品1和商品2的共现用户为{A,B}，相似度为1）；
- 对用户购买的商品，推荐该商品相似度最高的其他商品（用户A买过商品1和3，商品1的相似商品是商品2，所以推荐用户A商品2）。
时间复杂度方面，计算商品间相似度是O(N²)，但推荐阶段只需查询Top K相似商品（如Top 100），复杂度降为O(U*K)，适合大规模商品场景（如淘宝百万级商品）。适用场景主要是电商这类商品数量庞大的场景，因为基于用户的CF计算用户间相似度时，用户数量远大于商品数量，效率低。总结来说，基于物品的协同过滤通过商品相似度计算，高效地推荐用户可能感兴趣的商品，是电商推荐系统中常用的方法。
6) 【追问清单】：
- 问题1：相似度计算方法有哪些？如何选择？
回答要点：常用余弦相似度（适合高维稀疏数据，如购买行为）、皮尔逊相关系数（适合连续评分数据，如打分）。选择依据是数据稀疏性和计算效率（余弦相似度计算简单，适合电商场景）。 - 问题2：如何处理冷启动问题（新用户或新商品）？
回答要点：新用户可通过基于内容的推荐（如商品属性、热门商品）或热门商品推荐；新商品可通过用户首次购买行为（如首次购买的用户）或属性相似度（如商品标签、价格区间）推荐。 - 问题3：如何优化大规模商品场景下的相似度计算效率？
回答要点：使用缓存（如Redis）存储相似度矩阵，避免重复计算；采用稀疏矩阵存储（如CSR格式），减少内存占用；分批计算相似度（如按商品类别分批）。
7) 【常见坑/雷区】：
- 坑1：混淆基于用户和基于物品的CF，错误认为基于物品的CF适合小数据集。
雷区：需明确基于物品的CF适合大规模商品场景，基于用户的适合小规模用户场景。 - 坑2：时间复杂度分析错误，误认为基于物品的CF计算所有用户对的时间复杂度（O(U²)）。
雷区：基于物品的CF计算商品间相似度是O(N²)，而非用户间。 - 坑3：适用场景描述不准确，如说基于物品的CF不适合电商场景。
雷区：电商场景（商品数百万级）是典型适用场景，需强调其优势。 - 坑4：未提及相似度计算的具体方法（如余弦相似度），显得不具体。
雷区：需说明常用相似度度量（如余弦相似度）及其适用场景。 - 坑5：未考虑冷启动问题，回答不全面。
雷区：面试官可能会追问新用户/新商品的处理方法，需提前准备。