本文探讨了UserCF和ItemCF两种推荐算法的区别。UserCF推荐用户所在小群体的热门物品，ItemCF则依据用户历史偏好推荐类似物品。前者侧重社交热点，后者强调个性化。技术上，两者分别维护用户与物品的相似度矩阵。
算法原理的差异
UserCF 给用户推荐那些和他有共同兴趣爱好的用户喜欢的物品，而 ItemCF 给用户推荐和他之前喜欢的物品类似的物品。从这个算法的原理可以看到，UserCF 的推荐结果着重于反映和用户兴趣相似的小群体的热点，而 ItemCF 的推荐结果着重于维系用户的历史兴趣。换句话说，UserCF 更社会化，反映了用户所在的小型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。
技术上的差异
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。从存储的角度来说，如果用户很多，那么维护用户兴趣相似度矩阵需要很大的空间，同理，如果物品很多，那么维护物品相似度矩阵代价较大。
表中给出了 UserCF & ItemCF 的优缺点对比：
扫一扫
858
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
