mahout in action推荐系统阅读笔记（6）

item based推荐

很多方面是和user based相同的

不同的是user based先要查找和自己相似用户，从他们喜欢的里边推荐，而item based是先找到user喜欢的item，然后寻找和这个item相似的item

user based算法当用户多时候花费时间多，item based算法当item多时候花费时间多

算法

for every item i that u has no preference for yet
  for every item j that u has a preference for
    compute a similarity s between i and j
    add u's preference for j, weighted by s, to a running average
return the top items, ranked by weighted average

当item数量少于user数量时，item based比较好，且item的变化不大，可以预先计算item之间相似性

这里有个重要问题书上没说，就是如何建立item之间的相似性，需要填哪些项表明它们相似

item based recommender

GenericItemBasedRecommender