本文探讨了推荐系统的两种核心算法：itemcf 和 usercf。itemcf 基于用户在特定时刻的行为进行推荐，而 usercf 则依据其他用户在同一时刻的行为来给出建议。通过分析这两种算法的工作原理及用户体验，如面对不熟悉内容时的感受，本文为读者提供了深入理解推荐系统机制的基础。
系统的特点不以用，需要用不同的推荐系统算法。
1）用户在t时刻还干了什么（itemcf就是基于这个假设）
2）其他用户在t时刻干了什么（usercf就是基于这个假设）
当给用户推荐了不熟悉的音乐，用户就感到陌生，不是很喜欢。
1）用户在t时刻还干了什么（itemcf就是基于这个假设）
2）其他用户在t时刻干了什么（usercf就是基于这个假设）
当给用户推荐了不熟悉的音乐，用户就感到陌生，不是很喜欢。
推荐系统笔记
最新推荐文章于 2025-08-23 16:01:06 发布
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
