Recommender Systems Handbook读书笔记之第四章(1)

Recommender Systems Handbook第四章为A Comprehensive Survey of Neighborhood-based Recommendation Methods，主要讲述基于近邻的推荐方法。

读完第一部分，感觉文中提到的基于近邻的方法也就是协同过滤，记下一些重要的东西。

Collaborative filtering 的方法基于这样的一个假设：如果用户u与用户v之前有相似的爱好，那么在今后对于一个新item的爱好程度也应该是相似的。

Collaborative filtering的方法可以分为基于近邻（neighborhood-based，也叫memory-based）的方法和基于模型（model-based）的方法。在neighborhood-based collaborative filtering的方法中，user和item之间的关系将直接用于对new item的推荐预测上；而model-based collaborative并不直接用user和item之间的关系来进行推荐，而是认为在user和item之间有一些latent variable，通过模型学习出这些variable，然后基于此进行推荐。Neighborhood-based collaborative filtering又分为user-based和item-based的推荐方法。User-based方法的基本思想是给用户推荐与其有相似兴趣的近邻（neighborhood）喜欢的item。Item-based方法的基本思想是给用户推荐与其之前所喜欢的相似的item。

Neighborhood-based collaborative filtering方法具有以下优点：
1、实现起来简单：基于近邻的CF方法易于实现，在最简单的CF系统中，只需要指定近邻个数一个参数即可。
2、可解释性强：user-based和item-based方法是根据近邻用户或者之前相似的爱好来进行的推荐，可将其作为推荐理由，以便用户更接受这种推荐方式。
3、高效：与model-based的方法不同，neighborhood-based的方法不需要线下training的过程，且线上推荐时需要的近邻关系也可以在线下事先计算好。
4、稳定性较好：neighborhood-based的方法受新加入的item和user的影响较小。