我首先要指出这一点，我对算法的了解非常谦虚，我正在努力通过我正在研究的推荐系统来改进这一点（这是为了我自己的教育收益）。
到目前为止，我有一个用户首选项列表，可用于与其他用户首选项的关联。每个用户都将拥有以下数据：
我的目标是对彼此参与的人进行排名。因此，User1会有一个排名用户列表，如下所示：
现在，如果我给每个用户偏好设置一个等级（1 - 5），我可以进行排名。然后使用Pearson系数对它们进行排名。用户类具有如下映射：
用户1 :(姓名，职级）
我找到了这个链接，似乎与我想要做的很接近：User matching with current data
我使用的编程语言是C＃。此外，如果可能的话，我想在没有图书馆帮助的情况下这样做，因为我们的目标是学习更高级的CS主题。
由于
答案 0 :(得分：0)
您需要构建的第一件事是特征向量。让我举例说明一种方法。请注意，这不是唯一的方法。
您有分类变量。 （至少大部分都是。）
对用户有效的每个功能都表示为1，否则为0
因此，假设您的特征向量由
表示[Business, Computer Science, Nursing, Male, Female , American Indian/Alaskan Native, African American, Hispanic/Latino, Asian/Pacific Islander, White, Not of Hispanic Origin ]
请注意，我在这里忽略了年龄，因为年龄是一个数字特征而不是分类特征。
解决这个问题的一种方法是，将您的年龄变量离散化..即表示年龄为0-10,10-20 ......等等。 通过这种方式，您可以将这些桶指示到等式中。
现在想象一下，你有一个用户是comp sci major，男性美洲印第安人 这可以表示为：
[0,1,0,1,0, 1 .......]
以此格式表明您的所有用户......
在您指明此表单中的所有用户（特征向量）后，您可以采用点积（余弦相似度）或使用任何相似性度量来实现您的目的。 相似度得分越高，用户越相似。并且您可以使用此分数对用户进行排名。 希望这会有所帮助。