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