user-based和item-based

used-based的思想是对用户进行聚类，将和你相似的用户所喜欢的(但你还没买过的)物品推荐给你；
好处：用于挖掘有共同兴趣的小团体，新颖性较高；
缺点：1. 数据稀疏性，不同用户之间购买物品的重叠度较低，导致无法找到用户的邻居；

item-based把和你喜欢的物品相似的物品推荐给你；
好处：1. 物品的相似度比较稳定，可以离线计算完成，减少在线的计算量；2. 被推荐的物品永远都围绕自己的历史兴趣产生，准确度较高，更加个性化

适用场景：
user-based适用于社交网络的产品推荐（如微信），item-based适用于非社交网络的应用场景（如豆瓣）。

计算量：
UserCF需要维护一个用户相似度的矩阵，而ItemCF需要维护一个物品相似度矩阵

相似度计算
cos距离：AB向量内积除以AB模相乘
【参考文献】
推荐系统user-based和item-based协同过滤算法定性比较
协同过滤user-based CF算法与item-based CF算法对比