10.3 基于User-Based协同过滤推荐

User-Based以用户的历史行为是基础，发掘出用户的特征，并将具有相同特征的用户划分为一个类别集合，通过这个类别集合中的用户群体行为，为其他用户提供数据推荐。

User-Based与Item-Based对比：

Item-Based算法的效果略优于User-Based的效果；User-Based倾向于一种离线分析，而Item-Based更类似于一种在线；Item-Based的平均效率略优于User-Based。

User-Based算法在计算角度存在的两方面问题：

1、数据的稀疏性问题。

2、算法的可扩展性问题。

协同过滤需要充分发现两方面的数据，一方面是用户历史行为记录数据；另一方面是物品本身属性。

在以消费为主导的电子商务领域中Item-Based是较为常用的推荐方式；在以交流为主导的社交领域，则User-Based是较为常用的推荐方式。