协同过滤推荐算法和基于内容推荐算法的区别？

文章最前： 我是Octopus，这个名字来源于我的中文名--章鱼；我热爱编程、热爱算法、热爱开源。所有源码在我的个人github ；这博客是记录我学习的点点滴滴，如果您对 Python、Java、AI、算法有兴趣，可以关注我的动态，一起学习，共同进步。

相关文章：

1. 协同过滤推荐算法和基于内容推荐算法的区别？
2. 推荐算法的分类
3. 推荐算法中LFM模型

---

1.基于内容推荐推荐算法      

基于内容的推荐只考虑了对象本身性质，将对象按照标签形成集合，如果你消费集合中的一个则向你推荐集合中其他的对象;根据物品或内容的元数据，发现物品或内容的相关性，然后基于用户以前的的喜好记录推送给用户相似的物品,它不能进行实时的进行推送；

2.协同过滤推荐算法

      协同过滤算法又分为三种：基于用户的协同过滤算法，基于商品的协同过滤算法，基于模型的协同过滤算法

协同过滤的推荐算法：充分利用集体智慧，即大量的人群的行为和数据收集的答案，以帮助我们对整个人群得到统计意义上的结论，推荐的个性化程度高，基于以下两点：

1）兴趣相近的用户可能会对同样的东西感兴趣；

2）用户可能偏爱与自己购买的东西相类似的商品；

也就是说考虑进去了用户的历史习惯，对象客观上不一定相似，但是人的行为有可能主观上是相似的，就可以产生推荐了。