个性化推荐系统Note3：Itemcf与Usercf针对不同场景的分析

                                                                       Usercf Vs Itemcf

优缺点比较

• 推荐实时性：Usercf 中用户有了新的行为不会造成推荐结果的变化，因为usercf是根据用户相似度矩阵来完成推荐的，所以user本身的行为并不能造成推荐结果的改变。对于Itemcf来说，用户一旦有了新的行为，推荐结果可以立即发生改变，因为Itemcf是基于相似度物品矩阵来完成推荐的，所以点击了物品会立刻推荐出相似的物品。

• 新用户/新物品的推荐：新用户的到来是不能立即推荐的，需要等用户有了一定的行为并且得到了与其他用户的相似度矩阵之后才能完成推荐。新物品入库后，一旦被用户点击，Usercf可以通过用户相似度矩阵将其推荐给相似用户。对于Itemcf，新用户一旦完成了新物品点击，便可以推荐与该Item相似的其余Item，新物品的到来，由于此时新物品并没有与其他物品在相似度矩阵中出现，所以Itemcf并不能及时将新物品推荐出去。

• 推荐理由可解锁性：Usercf是通过用户相似度矩阵来完成推荐的，因此结果会略显难以解释。Itemcf是通过用户的历史点击行为来完成的推荐，所以推荐结果会更加令人信服。

  适用场景

• 性能层面考量：因为usercf需要计算用户的相似度矩阵，因此它不适合用户很多的场景，因为这样用户的相似度矩阵计算起来代价会非常大。Itemcf因为要计算物品的相似度矩阵，所以Itemcf适用于Item数量远小于user数量的场合，由于实战中，user数量往往远大于item的数量，所以实战中更倾向于Itemcf。

• 个性化层面考量：Usercf使用于物品需要及时推荐下发且个性化需求不太强烈的领域，而Itemcf适用于物品丰富并且个性化需求强烈的领域，由于真实的推荐系统中，多种个性化召回算法组合会有一些召回方法来解决新物品及时下发问题，而我们需要个性化程度强烈，所以从个性化层面考虑，也更倾向于在落地实战中采用Itemcf