推荐算法比较

基于内容的推荐算法：

优点：1.推荐结果直观、易理解

1. 不需要用户访问历史数据
2. 没有新项目问题或稀疏性问题
3. 支持分类学习技术
4. 能为具有特殊兴趣爱好的用户进行推荐

缺点：

1. 受特征提取方法的限制
2. 存在新用户问题
3. 训练分类器需要巨大的数据
4. 可扩展性差

 

协同过滤推荐算法：

优点：

1. 不需要专业知识
2. 随着用户数目的增多，性能提升、
3. 具有推荐新信息的能力，容易发现用户潜在的但自己尚未发现的兴趣点。
4. 可以处理复杂的非结构化项目，共享其他人的经验，避免了内容分析的不完全和不精确。
5. 能有效的使用其他相似用户的反馈信息，较少用户的反馈量，加快个性化学习速度。

缺点：

1. 矩阵稀疏性问题
2. 可扩展性差
3. 存在新用户和新项目问题
4. 推荐质量受历史数据集限制

基于知识的推荐算法：

优点：

1. 可以将用户需求映射到产品
2. 考虑了非产品性属性

缺点：

1. 很难获取知识和模型
2. 静态，缺乏灵活性

 

参考文献：互联网推荐系统比较--徐海玲