前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >协同过滤算法:基于用户和基于物品的优缺点比较

协同过滤算法:基于用户和基于物品的优缺点比较

作者头像
学到老
发布2018-04-18 17:25:44
2.4K0
发布2018-04-18 17:25:44
举报
文章被收录于专栏:深度学习之tensorflow实战篇

定义

  • UserCF:基于用户的协同过滤算法
  • ItemCF:基于物品的协同过滤算法

UserCF和ItemCF优缺点的对比

UserCF

ItemCF

性能

适用于用户较少的场合,如果用户很多,计算用户相似度矩阵代价很大

适用于物品数明显小于用户数的场合,如果物品很多(网页),计算物品相似度矩阵代价很大

领域

时效性较强,用户个性化兴趣不太明显的领域

长尾物品丰富,用户个性化需求强烈的领域

实时性

用户有新行为,不一定造成推荐结果的立即变化

用户有新行为,一定会导致推荐结果的实时变化

冷启动

在新用户对很少的物品产生行为后,不能立即对他进行个性化推荐,因为用户相似度表是每隔一段时间离线计算的

新用户只要对一个物品产生行为,就可以给他推荐和该物品相关的其他物品

新物品上线后一段时间,一旦有用户对物品产生行为,就可以将新物品推荐给和对它产生行为的用户兴趣相似的其他用户

但没有办法在不离线更新物品相似度表的情况下将新物品推荐给用户

推荐理由

很难提供令用户信服的推荐解释

利用用户的历史行为给用户做推荐解释,可以令用户比较信服

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018年04月08日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 定义
  • UserCF和ItemCF优缺点的对比
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档