协同过滤对比

UserCF和ItemCF对比记录

• 性能

UserCF: 适用于用户较少的场合，如果用户很多，计算用户 相似度矩阵代价很大
ItemCF: 适用于物品数明显小于用户数的场合，如果物品很多,计算物品相似度矩阵代价很大

• 适用领域

UserCF: 时效性较强，用户个性化兴趣不太明显的领域
ItemCF:长尾物品丰富，用户个性化需求强烈的领域

• 实时性

UserCF:用户有新行为，不一定造成推荐结果的立即变化
ItemCF:用户有新行为，一定会导致推荐结果的实时变化

• 冷启动

UserCF:在新用户对很少的物品产生行为后，不能立即对他 进行个性化推荐，因为用户相似度表是每隔一段时间离线计算的.
新物品上线后一段时间，一旦有用户对物品产生行 为，就可以将新物品推荐给和对它产生行为的用户 兴趣相似的其他用户
ItemCF:新用户只要对一个物品产生行为，就可以给他推荐和该物品相关的其他物品,但没有办法在不离线更新物品相似度表的情况 下将新物品推荐给用户

• 推荐理由

UserCF:很难提供令用户信服的推荐解释
ItemCF:利用用户的历史行为给用户做推荐解释，可以令 用户比较信服