0 Paper综述
- item-based CF 基础论文
- 题目:item-based collaborative filtering recommendation algorithms
1 Introduction
1.1 传统user-based CF面临两个基础的问题
- 挑战1:提升cf算法的scalability(real-time)
- 实时搜索巨大数量的potential neighbors时的计算量增大(网站用户剧增)
- 对于部分most frequent visitor产生的用户向量巨大,提高了搜索成本
- 挑战2:提升cf算法的quality(real-time)
- 提升推荐准确性
1.2 item-based的好处
- 避免了user-based CF中在大量user中计算user similarity的工作
- items之间的similarity是相对固定的(static),online computation的计算量相对较小。
2 基于CF的推荐系统
- CF解决的2个问题:
- prediction:预测user 对 item的喜好程度
- recommendation:按照喜好程度对item进行排序(不能把已经买过的item推荐出来)
<