推荐算法-协同过滤4 算法比较和选择

UserCF 和ItemCF 比较

UserCF 推荐那些和他有共同兴趣爱好的用户喜欢的物品
反映用户兴趣类似的小群体的热点
小群体中的物品热门程度
维护一个用户相似度矩阵

ItemCF 推荐和他喜欢的物品类似的物品
维系用户的历史兴趣
个性化,反映用户自己的兴趣传承
维护一个物品相似度矩阵

新闻网站的个性化比较粗粒度,例如国际新闻,体育新闻 ,而且新闻更新快,物品的更新速度远远快于新用户的加入速度。UserCF

电商网站中用户的兴趣是比较固定和持久的。 他们对书的热门程度可能不是那么敏感。
这种个性化推荐的目标就是帮助用户发现和他领域相关的物品。 ItemCF

实现代价

用户太多,很那计算用户相似度矩阵,那就要用ItemCF

你可能感兴趣的:(推荐算法-协同过滤4 算法比较和选择)