协同过滤的itemCF，userCF区别适用场景

UserCF原理：UserCF给用户推荐那些和他具有共同兴趣爱好的用户喜欢的物品

ItemCF原理：ItemCF给用户推荐那些和他之前喜欢的物品类似的物品

UserCF的推荐更社会化，反映了用户所在的小型兴趣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传承

UserCF适合于新闻推荐的原因：

热门程度和时效性是个性化新闻推荐的重点，而个性化相对于这两点略显次要
UserCF需要维护一个用户兴趣相似表，而ItemCF需要维护一个物品相似表，在新闻推荐系统中物品的更新速度是很快的，那么如果采用ItemCF的话，物品相似度表也需要很快地更新，这是难以实现的

ItemCF适合于图书、电子商务和电影网站的原因：

用户的兴趣是比较固定和持久的
这些系统中用户不太需要流行度来辅助他们判断一个物品的好坏，而是可以通过自己熟知的领域的知识自己判断物品的质量

UserCF的适用场合：

用户较少的场合，如果用户很多，计算用户相似度度矩阵代价很大（新闻网站）
时效性较强，用户个性化兴趣不太明显的领域
不需要给出令用户信服的推荐解释

ItemCF的适用场合：

适用于物品的数量明显小于用户的数量的场合，如物品很多（网站），计算物品的相似度矩阵代价很大
长尾物品丰富，用户个性化需求强烈的领域
需要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

协同过滤的itemCF，userCF区别适用场景相关推荐

推荐系统-模型（一）：召回模型【协同过滤类: ItemCF/UserCF】【Embedding类】【Dssm/双塔/word2vec】【图类召回算法 (Deepwalk、EGES)】
推荐系统-召回模型:[协同过滤类: ItemCF/UserCF][Embedding类][Dssm/双塔/word2vec][图类召回算法 (Deepwalk.EGES)]
使用Spark DataFrame实现基于物品的协同过滤算法(ItemCF)
简书不支持Markdown Math语法,请移步https://glassywing.github.io/2018/04/10/spark-itemcf/ 简介当前spark支持的协同过滤算法只有A ...
推荐系统实践(二)----基于物品的协同过滤算法(ItemCF)
上一篇博客我简单讲了一下基于用户的协同过滤算法,这里我们一起来学习一下另一种:基于物品的协同过滤算法.基于物品的协同过滤算法是目前业界应用最多的算法,亚马逊.Netflix.Hulu.YouTub ...
基于物品的协同过滤算法ItemCF
基于物品的协同过滤算法ItemCF 基于item的协同过滤,通过用户对不同item的评分来评测item之间的相似性,基于item之间的相似性做出推荐.简单来讲就是:给用户推荐和他之前喜欢的物品相似的物 ...
Hadoop案例之基于物品的协同过滤算法ItemCF
Hadoop案例之基于物品的协同过滤算法ItemCF 转载自:http://blog.csdn.net/qq1010885678/article/details/50751607?locationNu ...
协同过滤推荐算法:UserCF、ItemCF python现实
目录一.协同过滤算法二.基于邻域的算法:UserCF.ItemCF 三.UserCF.ItemCF的改进一.协同过滤推荐算法协同过滤算法是指基于用户行为数据设计的推荐算法,主要包括: 1.基于 ...
usercf代码java_基于用户的协同过滤算法（UserCF）原理以及代码实践
简介协同过滤(collaborative filtering)是一种在推荐系统中广泛使用的技术.该技术通过分析用户或者事物之间的相似性,来预测用户可能感兴趣的内容并将此内容推荐给用户.这里的相似性可 ...
协同过滤算法_机器学习 | 简介推荐场景中的协同过滤算法，以及SVD的使用
本文始发于个人公众号:TechFlow,原创不易,求个关注今天是机器学习专题的第29篇文章,我们来聊聊SVD在上古时期的推荐场景当中的应用. 推荐的背后逻辑有没有思考过一个问题,当我们在淘宝或者是 ...
协同过滤算法分类-UserCF
UserCf 基于用户的协同过滤算法给用户推荐相似兴趣用户感兴趣的物品举例如下: 用户ABCD物品a.b.c.d 上述的信息汇总userA点击了item a.b.d类似往后userD 点击了ite ...

协同过滤的itemCF，userCF区别适用场景

协同过滤的itemCF，userCF区别适用场景相关推荐

最新文章

热门文章