基于用户的协同过滤与基于物品的协同过滤比较

	基于用户的协同过滤	基于物品的协同过滤
性能	用于用户少的情形，用户太多时用户相似度矩阵计算代价大	用于物品数小于用户数的场景
领域	时效性强，用户个性化兴趣不明显	长尾物品丰富，用户个性化需求强
实时性	用户有新行为，不一定造成推荐结果立马变化	用户有新行为会导致推荐结果变化
冷启动	用户相似度矩阵每隔一段时间离线计算一次，新物品上线一段时间后可以将新物品推荐给感兴趣用户	新用户只要对某一物品感兴趣，就可以推荐相似的物品给他
推荐理由	难以提供令人信服的推荐解释	利用用户的历史行为给用户推荐做解释