实战智能推荐系统(9)-- UserCF & ItemCF
2018-03-28 18:41
218 查看
算法原理的差异
UserCF 给用户推荐那些和他有共同兴趣爱好的用户喜欢的物品,而 ItemCF 给用户推荐和他之前喜欢的物品类似的物品。从这个算法的原理可以看到,UserCF 的推荐结果着重于反映和用户兴趣相似的小群体的热点,而 ItemCF 的推荐结果着重于维系用户的历史兴趣。换句话说,UserCF 更社会化,反映了用户所在的小型群体中物品的热门程度,而 ItemCF 的推荐更加个性化,反映了用户自己的兴趣。技术上的差异
UserCF 需要维护一个用户相似度的矩阵,而 ItemCF 需要维护一个物品相似度矩阵。从存储的角度来说,如果用户很多,那么维护用户兴趣相似度矩阵需要很大的空间,同理,如果物品很多,那么维护物品相似度矩阵代价较大。表中给出了 UserCF & ItemCF 的优缺点对比:
相关文章推荐
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(9)-- UserCF & ItemCF
- 实战智能推荐系统(12)-- 标签推荐系统
- 实战智能推荐系统(1)-- 个性化推荐系统及其基本推荐算法