如何基于二元映射的乘积构建交叉乘积矩阵（R语言）

没问题，这就教你怎么基于已经构建好的二元映射来生成交叉乘积矩阵！先回顾下你已经完成的步骤：你用table()统计了U-ID和A-ID的关联，再转成了二元映射的myTab表格，接下来咱们一步步来构建交叉乘积矩阵。

你的myTab是表格类型，先把它转换成标准的矩阵，方便后续做矩阵乘法：

# 将表格转换为矩阵
M <- as.matrix(myTab)

转换后的M是一个**用户(U-ID)×物品(A-ID)**的二元矩阵：每一行对应一个用户，每一列对应一个物品，单元格里的1表示该用户和物品存在关联，0则表示没有。

交叉乘积矩阵通常有两种常用的形式，你可以根据需求选择：

2.1 用户-用户(U-U)交叉乘积矩阵 #

这个矩阵的每个元素[i,j]代表用户i和用户j共同关联的物品数量（本质是两个用户向量的点积）：

# 计算用户-用户交叉乘积矩阵
uu_cross <- M %*% t(M)

举个例子，从你的数据来看，U-ID=221关联了111和116，U-ID=222关联了111和112，两者共同关联的物品是111，所以uu_cross[1,2]的结果就是1，完全符合预期。

2.2 物品-物品(A-A)交叉乘积矩阵 #

这个矩阵的每个元素[i,j]代表物品i和物品j被同一用户关联的次数：

# 计算物品-物品交叉乘积矩阵
aa_cross <- t(M) %*% M

比如A-ID=111和116被U-ID=221同时关联，所以aa_cross[1,6]的结果就是1。

如果你需要的是归一化后的交叉相似度（而不是原始的计数），可以基于上面的基础矩阵进一步计算，比如余弦相似度：

# 用户余弦相似度矩阵
uu_cosine <- uu_cross / sqrt(diag(uu_cross) %*% t(diag(uu_cross)))

# 物品余弦相似度矩阵
aa_cosine <- aa_cross / sqrt(diag(aa_cross) %*% t(diag(aa_cross)))

内容的提问来源于stack exchange，提问作者Selrac