协同过滤

user-based

  • 计算用户的相似度
    User-based的基本思想是如果用户A喜欢物品a,用户B喜欢物品a、b、c,用户C喜欢a和c,那么认为用户A与用户B和C相似,因为他们都喜欢a,而喜欢a的用户同时也喜欢c,所以把c推荐给用户A。
    假设有一亿用户,1万商品。
    这个方法有一些问题:
    1. 需要计算与A用户的最近邻集合。可能出现没有任何重合用户?
    2. 用户太多

item-based

  • 先计算物品的相似度,然后把与用户喜欢的物品处于同一个类别的物品推荐给用户。

矩阵分解

你可能感兴趣的:(协同过滤)