我在Towards Data Science、Medium等网站上发现了数十篇关于使用IMDb数据构建推荐引擎的文章（基于用户对电影的评分，推荐给这些用户应该看哪些电影）。这些文章从基于用户的内容过滤和基于项目的内容过滤的“基于记忆的方法”开始。我被指派制作一个推荐引擎，由于那些高层人员并不真正关心或了解这些，我只想做最基本的工作（看起来是基于用户的内容过滤）。

问题是，我所有的数据都是二进制的（没有评分，只是基于其他用户购买的物品，我们应该向相似用户推荐物品——这实际上类似于Medium文章中互相借鉴的漫画，但这些文章都没有提供如何操作的示例）。

所有文章都使用皮尔逊相关系数或余弦相似度来确定用户相似性，我可以用这些方法来处理二进制维度（购买或未购买）吗？如果可以，如何操作？如果不行，有没有其他测量用户相似性的方法？

顺便说一下，我正在使用Python。我在考虑可能使用汉明距离（有什么原因这不合适吗）

回答：

• 基于相似度评分的方法即使在二进制维度上也能工作。当你有评分时，两个相似用户可能看起来像[5,3,3,0,1]和[4,3,3,0,0]，而在你的情况下，它会像[1,1,1,0,1]和[1,1,1,0,0]。

from scipy.spatial.distance import cosine1 - cosine([5,3,2,0,1],[4,3,3,0,0])0.9611613136669071 - cosine([1,1,1,0,1],[1,1,1,0,0]) 0.8660254037844386

• 另一种方法是，如果你能获得用户购买某产品的次数，可以将该次数作为评分，然后计算相似度