地位:最早被使用的推荐算法,使用广泛,效果较好
定义:给用户推荐之前喜欢的物品,或是相似的物品。即U2I2I、U2Tag2I
案例:
用户向量:[3 2 1]([动作片 科幻片 周星驰])
物品向量:绿巨人[1 1 0]、钢铁侠[1 1 0]、蜘蛛侠[1 1 0]、功夫[1 0 1]
按照上面步骤进行计算,得到不同影片的余弦相似度。
优点:
- 不需要其他用户的数据
- 能给具备独特口味的人推荐
- 可以推荐最新版和冷门的物品
- 容易做推荐结果的解释
缺点:
- 很难找到能表达物品的标签,有时候需要人工打标签
- 过于局限于自己的世界,无法挖掘出用户潜在的兴趣
- 新用户内有行为,无法做到推荐