推荐算法-用户推荐（UserCF）和物品推荐（ItemCF）对比

一、定义

UserCF：推荐那些和他有共同兴趣爱好的用户喜欢的物品
ItemCF：推荐那些和他之前喜欢的物品类似的物品

根据用户推荐重点是反应和用户兴趣相似的小群体的热点，根据物品推荐着重与用户过去的历史兴趣，即：

UserCF是某个群体内的物品热门程度
ItemCF是反应本人的兴趣爱好，更加个性化

二、新闻类网站采用UserCF的原因

1. 用户大都喜欢热门新闻，特别细粒度的个性化可忽略不计
2. 个性化新闻推荐更强调热点，热门程度和实效性是推荐的重点，个性化重要性则可降低
3. ItemCF需要维护一张物品相关度的表，当物品量更新速度太快时，此表的维护在技术上有难度。新闻类网站对于新用户可直接推荐热门新闻即可
4. 对于电商、音乐、图书等网站而言，ItemCF的优势更大

• 用户的兴趣比较固定和持久；
• 不需要太过考虑流行度，只需要帮用户发现他研究领域相关物品即可

5. 技术角度考量

UserCF需要维护一个用户相似度矩阵
ItemCF需要维护一个物品相似度矩阵
三、优缺点对比

项目	UserCF	ItemCF
性能	适用于用户较少的场合，如果用户过多，计算用户相似度矩阵的代价交大	适用于物品数明显小于用户数的场合，如果物品很多&