协同过滤及user-cf,item-cf在新闻应用中的优缺点。

协同过滤

协同过滤分为memory based和model based。user cf 和 item cf 都是基于此的

user cf

列是user，行是item。目的是计算用户之间的相似度，来填补图中item5的评分。

1. 找相似

用皮尔逊相关系数，cosine等来计算相似度。

1. 计算物品评分，并排序。
   公式如下。
   $$p(u,i) = \overline{r_u} + \frac{\sum_{v \in N} sim(u,v) \times (r_{v,i} - \overline{r_v})}{\sum_{v \in N}sim(u,v)}$$

这里p(u,i) 代表用户u，对物品i的评分。sim(u,v)代表用户u，v相似度。
$r_{v,i}$代表用户v对物品i的打分。 $\overline{r_v}$代表了

这样我们就可以计算出小明对其他物品的打分预测值(这里每次计算都需要用户之间的相似度，所以可以缓存起来)。

推荐方法分为两种。一种是top-n推荐，一种是关键推荐。top-n推荐的意思就是统计在前k个用户中，统计出现频率最高且在目标用户中没有出现过的。关联规则，就是在这前k个用户中，挖掘关联规则，类似于‘买了xx的用户还买了哪些’

基于物品的协同

1.相似度
行是物品，列是user。
首先找到最相似的物品。

2.计算用户对所有物品的评分。
根据最相似的物品的评分来计算未被评分的物品。

$$\frac{\sum_{j \in rel(u)}sim(j,i)\times r_{u,j}}{\sum_{j \in rel(u)}sim(j,i)}$$
表达出来就是相似度* 评分。

二者优缺点。

首先二者都是稀疏矩阵，为了减少计算量，可以预先聚类一下。

场景: user-based. 按理说更适合新闻这种，item量远大于用户的。对于我们来说，因为我们是取1周内的文章，所以相对来说，item 量没有过大的扩展。item-based更适合item量较小的。

性能及复杂度: user-based 的缺点也比较明显。相似用户的稳定度要小于物品的稳定度程度，所以需要在线更新。 而item-based离线计算就能够获得比较好的复杂度。

推荐多样性和精度: 从单一用户角度，肯定是user-based 更加多样，但同时也更加容易推荐比较热的东西。item-based，是根据用户的历史记录来推荐，所以相对来说，更容易拟合。item-based, 对于新用户(读取量下于10的时候的推荐效果更好。)。 item-based ,更容易发现长尾数据，因为只要有一些用户买了这个长尾的物品，那么这两个物品就有很高的相关性).

稀疏性: 从稳定性上讲，user-based，item-based 对于新闻应用，固定item的情况下，相似度的稳定性上，item-based 更好一些。