首页 > TAG信息列表 > UserCF
推荐算法-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适合于新推荐系统实践笔记(四)
第四章 利用用户标签数据 流行的三个推荐系统联系用户和物品的方式: (1) item-base itemCF (2) user-base userCF (3) feature_base 隐语义模型以及UGC(User Generated Content)模型(用户标签模型)基于用户协同与基于物品协同的区别
基于用户的协同过滤和基于物品的协同过滤在算法上非常类似，两者的主要优缺点从以下几个方面考虑： 从推荐场景考虑 ItemCF利用物品间的相似性做推荐，当用户数量远远超过物品数量时，就可以使用ItemCF，比如所一些购物网站，音乐网站，其物品数据相对稳定，且不必频繁更新；UserCF更适合做