基于内容的推荐算法:
优点:1.推荐结果直观、易理解
- 不需要用户访问历史数据
- 没有新项目问题或稀疏性问题
- 支持分类学习技术
- 能为具有特殊兴趣爱好的用户进行推荐
缺点:
- 受特征提取方法的限制
- 存在新用户问题
- 训练分类器需要巨大的数据
- 可扩展性差
协同过滤推荐算法:
优点:
- 不需要专业知识
- 随着用户数目的增多,性能提升、
- 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。
- 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。
- 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:
- 矩阵稀疏性问题
- 可扩展性差
- 存在新用户和新项目问题
- 推荐质量受历史数据集限制
基于知识的推荐算法:
优点:
- 可以将用户需求映射到产品
- 考虑了非产品性属性
缺点:
- 很难获取知识和模型
- 静态,缺乏灵活性
参考文献:互联网推荐系统比较--徐海玲