论文笔记] Amazon推荐系统——基于item的协同过滤

关于亚马逊推荐系统的一个概要总结blog。转载推荐。

http://www.xysay.com/amazon-item-to-item-collaborative-filtering-207.html

补充：

User CF和Item CF基于的数据都是u－i矩阵。但如何利用这个矩阵，两者是不同视角。ucf的过程是通过矩阵找出来current active user最近的邻居／邻居组，根据邻居的偏好推荐cau的偏好。因为邻居们都有实时的评价／购买，而且邻居数量变化大，还有一个最大的问题，一般电商网站的商品非常多，百万或千万，用knn不一定能很好的找到相似的邻居，导致推荐做不了。而且实时计算随用户量和商品量递增，扩展性差。icf的观点转到了关注item本身，它的思想是：如果很多用户买了a以后，还去买b。那么如果cau之前买了a，（线下平台已经计算好了和a接近的商品是b），下次来的话我就给你推荐b。icf的优点，可以线下提前计算相似度（这个相似度基本稳定）。商品相似邻居的稀疏性不高，user相似性稳定