【推薦系統】{3} —— UserCF 與 ItemCF

UserCF

$UserCF$ 的原理是，在一個在線個性化推薦系統中，當一個用戶 $A$ 需要個性化推薦時，可以先找到和他有相似興趣的其他用戶，然後把那些用戶喜歡的、而用戶 $A$ 沒有聽說過的物品推薦給 $A$。

ItemCF

$ItemCF$ 主要通過分析用戶的行爲記錄計算物品之間的相似度。該算法認爲，物品 $A$ 和物品 $B$ 具有很大的相似度是因爲喜歡物品 $A$ 的用戶大都也喜歡物品 $B$。

---

$UserCF$ 與 $ItemCF$

	UserCF	ItemCF
性能	適用於用戶較少的場合，如果用戶過多，計算用戶相似度矩陣的代價較大	適用於物品數明顯小於用戶數的場合，如果物品很多，計算物品相似度矩陣的代價較大
領域	時效性要求高，用戶個性化興趣要求不高	長尾物品豐富，用戶個性化需求強烈
實時性	用戶有新行爲，不一定需要推薦結果立即變化	用戶有新行爲，一定會導致推薦結果的實時變化
冷啓動	在新用戶對少的物品產生行爲後，不能立即對他進行個性化推薦，因爲用戶相似度是離線計算的；新物品上線後一段時間，一旦有用戶對物品產生行爲，就可以將新物品推薦給其他用戶	新用戶只要對一個物品產生行爲，就能推薦相關物品給他，但無法在不離線更新物品相似度表的情況下將新物品推薦給用戶（但是新的item到來也同樣是冷啓動問題）
推薦理由	很難提供令用戶信服的推薦解釋	可以根據用戶歷史行爲歸納推薦理由

---

參考資料：《推薦系統實踐》