两种协同过滤的区别：
1、基于user的协同过滤：
先挖掘出与用户相似兴趣的人群，再从这些相似人群中的人所喜欢的东西但是用户还没喜欢过的内容。
举个例子：对于做android开发的初学者来说，他想要知道android开发要学习哪些知识点，看哪些书，那么对于初学者来说他的兴趣点是android开发，那么我们就可以找到一群android开发人员，然后就可以提取出这些android开发者平时所看得比较多的书，和平时讨论的比较多的知识点推荐给这个android初学者，那么这个就叫作基于user的协同过滤。
可以看出来，我们先对user进行了一个分类，然后筛选出与用户兴趣的相近的一个user群，然后再得到这些user大家都感兴趣的item进行推荐。
2、基于item的协同过滤：
先针对item进行分类，然后根据用户以前感兴趣的item的结果进行推荐。
举个例子：在blog推荐的过程中，我们可以先离线分析处blog的分类，然后根据用户以前感兴趣的blog，计算出他的兴趣点进行推荐，这里的关键其实是在blog的分类，不仅仅是针对blog的内容进行分析，我们还可以利用其他用户看过的blog进行分分析，如果由两篇blog blogA，blogB,但是通过blog的内容发现这两篇blog没有什么关系，分属不同的类别，但是通过发现看过blogA的用户基本上都看过blogB,那么我们可以认为这两篇blog的兴趣点是相似的，那么可以将其划分为同一类。
具体的计算如下：
未完待续...
扫一扫
287
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
