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

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容