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...