推荐算法之用户推荐（UserCF）和物品推荐（ItemCF）对比

一、定义

UserCF：推荐那些和他有共同兴趣爱好的用户喜欢的物品
ItemCF：推荐那些和他之前喜欢的物品类似的物品

根据用户推荐重点是反应和用户兴趣相似的小群体的热点，根据物品推荐着重与用户过去的历史兴趣，即：

UserCF是某个群体内的物品热门程度
ItemCF是反应本人的兴趣爱好，更加个性化

二、新闻类网站采用UserCF的原因：

用户大都喜欢热门新闻，特别细粒度的个性化可忽略不计
个性化新闻推荐更强调热点，热门程度和实效性是推荐的重点，个性化重要性则可降低
ItemCF需要维护一张物品相关度的表，当物品量更新速度太快时，此表的维护在技术上有难度。新闻类网站对于新用户可直接推荐热门新闻即可
对于电商、音乐、图书等网站而言，ItemCF的优势更大：
1. 用户的兴趣比较固定和持久；
2. 不需要太过考虑流行度，只需要帮用户发现他研究领域相关物品即可
技术角度考量
1. UserCF需要维护一个用户相似度矩阵
2. ItemCF需要维护一个物品相似度矩阵

三、优缺点对比

项目	UserCF	ItemCF
性能	适用于用户较少的场合，如果用户过多，计算用户相似度矩阵的代价交大	适用于物品数明显小于用户数的场合，如果物品很多，计算物品相似度矩阵的代价交大
领域	实效性要求高，用户个性化兴趣要求不高	长尾物品丰富，用户个性化需求强烈
实时性	用户有新行为，不一定需要推荐结果立即变化	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，因为用户相似度是离线计算的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其他用户	新用户只要对一个物品产生行为，就能推荐相关物品给他，但无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	可以根据用户历史行为归纳推荐理由

转载于:https://www.cnblogs.com/scwanglijun/p/3982716.html

推荐算法之用户推荐（UserCF）和物品推荐（ItemCF）对比相关推荐

在线新闻推荐网 Python+Django+Mysql开发技术基于用户、物品的协同过滤推荐算法个性化新闻推荐系统协同过滤推荐算法在新闻网站中的运用个性化推荐算法、机器学习、分布式大数据、人工智
在线新闻推荐网 Python+Django+Mysql开发技术基于用户.物品的协同过滤推荐算法个性化新闻推荐系统协同过滤推荐算法在新闻网站中的运用个性化推荐算法.机器学习.分布式大数据.人工智 ...
推荐算法——基于用户的协同过滤算法（User-base CF）的java实现
推荐算法--基于用户的协同过滤算法(User-base CF)的java实现推荐系统什么是推荐系统为什么要有推荐系统推荐算法基于用户的协同过滤算法(User-base CF) 算法介绍代码 ...
推荐算法--利用用户标签数据(04)
文章目录流行的推荐系统通过3种方式联系用户兴趣和物品 (1):利用用户喜欢过的物品,给用户推荐与他喜欢过的物品相似的物品,这是基于物品的算法. (2):利用和用户兴趣相似的其他用户,给用户推荐那些和 ...
如何使用Python+Django+Mysql开发个性化职位推荐系统招聘网站推荐系统基于用户、项目的协同过滤推荐算法基于内容、聚类、关联规则推荐算法WebPositionCFRSPython
如何使用Python+Django+Mysql开发个性化职位推荐系统招聘网站推荐系统基于用户.项目的协同过滤推荐算法基于内容.聚类.关联规则推荐算法WebPositionCFRSPython 一 ...
推荐算法（一）—— 基于内容的推荐算法
推荐算法(一)-- 基于内容的推荐算法 1 基于内容的推荐算法基于内容的推荐系统本质是对内容进行分析,建立特征:基于用户对何种特征的内容感兴趣以及分析一个内容具备什么特征来进行推荐. 1.1 基于 ...
短视频推荐算法过程分享，论如何针对推荐算法来优化短视频内容
短视频推荐算法过程分享,论如何针对推荐算法来优化短视频内容相信做短视频的小伙伴一定知道"短视频推荐算法",简单理解就是短视频平台都自有一套推荐机制,决定我们发布的短视频是否可以获 ...
php做热度推荐算法,基于Hacker News的内容热度推荐算法
推荐算法因子用户活跃度(以积分的形式) 浏览量点赞数收藏数评论数分享数时间衰减平台编辑推荐(人为因素介入干预) 基本原理推荐指数/热度 = 初始热度 + 互动热度 - 随时间衰减的热度 ...
java 用户协同过滤算法_基于用户的协同过滤推荐算法java实现（UserCF）
UserCF的核心思想即为根据用户数据模拟向量相似度,我们根据这个相似度,来找出指定用户的相似用户,然后将相似用户买过的而指定用户没有买的东西推荐给指定用户,推荐度的计算也是结合了相似用户与指定用户的 ...
基于用户的协同过滤推荐算法java实现（UserCF）
UserCF的核心思想即为根据用户数据模拟向量相似度,我们根据这个相似度,来找出指定用户的相似用户,然后将相似用户买过的而指定用户没有买的东西推荐给指定用户,推荐度的计算也是结合了相似用户与指定用户的 ...

推荐算法之用户推荐（UserCF）和物品推荐（ItemCF）对比

一、定义

UserCF：推荐那些和他有共同兴趣爱好的用户喜欢的物品

ItemCF：推荐那些和他之前喜欢的物品类似的物品

二、新闻类网站采用UserCF的原因：

三、优缺点对比

推荐算法之用户推荐（UserCF）和物品推荐（ItemCF）对比相关推荐

最新文章

热门文章