"""
原始呈现的矩阵是：用户m x 物品n
基于用户的协同过滤：用户相似度矩阵m x m 点乘 用户m x 物品n = 用户m x 物品n
基于物品的协同过滤：用户m x 物品n 点乘 物品相似度矩阵n x n = 用户m x 物品n
基于用户的协同过滤: 用户0和用户1的相似度 乘 用户1对a的评分 + ...
基于物品的协同过滤: 用户0对物品a的评分 乘 物品a和物品b的相似程度 + ...
区别：
1.维护相似矩阵上
如果全量计算，都需要 用户m x 物品n，两者在哪个相似矩阵好维护上差不别不大。
如果难以全量计算，取前若干个相似的，就要考虑哪个矩阵好维护了。数量级大了，这种情况更常见。
2.意义上不同
基于用户的协同过滤：根据这群用户群里的数据去推，主要推热门物品。
基于物品的协同过滤：根据指定用户已有的物品评分去推，会推小众物品。
"""
推荐系统的基本算法：基于邻域的推荐（基于用户的协同过滤、基于物品的协同过滤） http://www.jianshu...
基于内容 基于用户的协同过滤 基于商品的协同过滤
协同过滤和矩阵分解 基于用户、基于物品的协同过滤，矩阵分解，都依赖对用户物品关系矩阵的利用，这里面常常要涉及的工作...
协同过滤 基于用户的协同过滤，和基于物品的协同过滤Item CF适用于电子商务网站的推荐系统User CF适用于新...
分类 基于领域的协同过滤。（又可以细分为基于用户和基于项）。 基于模型的协同过滤。 描述 协同过滤算法(Colla...
最近在看《推荐系统实践》这本书，对于其中 2.4.1 基于用户的协同过滤算法和 2.4.2 基于物品的协同过滤算法...
4 协同过滤 - 基于行为 协同过滤算法 协同过滤算法是什么？基于跟你类似的用户喜欢的东西，你也会喜欢基于跟你喜欢...
开发技术 Hadoop、Spark、SparkSQL、Python、MySQL、协同过滤算法(基于用户+基于物品)...
基于用户的协同过滤和皮尔逊相关系数 概念： 基于用户的协同过滤算法：就是把和你相似的用户喜欢的东西推荐给你。 协同...
常用推荐算法包括以下几种 1.协同过滤算法 1）基于用户的协同过滤算法 2）基于项的协同过滤算法 2.基于矩阵分解...
本文标题：基于用户的协同过滤和基于物品的协同过滤的区别
本文链接：https://www.haomeiwen.com/subject/pvsnydtx.html
网友评论