Item-to-Item Collaborative Filtering

Amazon.com Recommendations Item-to-Item Collaborative Filtering

个人感受：

这篇论文首先介绍了历史上的三种算法：传统协同过滤、聚类、基于搜索的算法。第一种方法在计算效率、少量数据上表现欠佳；第二种方法准确率欠佳；第三种方法比较“简单”，因此提出了大量计算在线下的物品-物品的相似记录进行推荐。

揣测一下作者的思路，计算量大是因为数据量大，但是其中有价值的就是其中购买的物品，而且对于购买的物品来说，我们推荐的也是根据购买的物品来推荐的，用户仅仅是提供了物品之间的关系，也就是说物品-用户记录-物品这样的逻辑联系起来的，用户提供了物品的关联信息，最终的目标还是推荐物品，因此作者从计算量的角度来说把大量计算放在线下，而且根据我的关注点——商品来提出了这种算法。

除此之外，大量的测试数据也是作者的宝贵财富，因为实验室可能根本就没有这样大量的真实数据进行测试。

 

推荐系统使用用户的购买信息来为用户推荐可能感兴趣的信息，当然，除了已有的信息之外，还可以使用用户的感兴趣或者地理或者其他特征信息，这些都是我们可以利用的信息。