论文笔记] Amazon推荐系统——基于item的协同过滤

关于亚马逊推荐系统的一个概要总结blog。转载推荐。

http://www.xysay.com/amazon-item-to-item-collaborative-filtering-207.html


补充:

User CF和Item CF基于的数据都是u-i矩阵。但如何利用这个矩阵,两者是不同视角。ucf的过程是通过矩阵找出来current active user最近的邻居/邻居组,根据邻居的偏好推荐cau的偏好。因为邻居们都有实时的评价/购买,而且邻居数量变化大,还有一个最大的问题,一般电商网站的商品非常多,百万或千万,用knn不一定能很好的找到相似的邻居,导致推荐做不了。而且实时计算随用户量和商品量递增,扩展性差。icf的观点转到了关注item本身,它的思想是:如果很多用户买了a以后,还去买b。那么如果cau之前买了a,(线下平台已经计算好了和a接近的商品是b),下次来的话我就给你推荐b。icf的优点,可以线下提前计算相似度(这个相似度基本稳定)。商品相似邻居的稀疏性不高,user相似性稳定


阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

论文笔记] Amazon推荐系统——基于item的协同过滤

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭