《人工智能及其应用》课堂报告—协同过滤算法.pptxVIP

《人工智能及其应用》课堂报告—协同过滤算法

传统协同过滤算法user-based（基于用户的协同过滤推荐）item-based（基于项的协同过滤推荐）主要运用user-based的网站：（社交类）主要运用item-based的网站：（视频、资讯类）

user-basedlikelikelikelikelikelikeUSERAUSERBUSERCabcdsuggest表示:用户/项目评价矩阵形成邻居产生推荐步骤：算法介绍：like

Iterm-based相似度计算预测值计算步骤：算法介绍：likelikelikelikelikeUSERAUSERBUSERCabcdsuggestlikelike

两种方式的对比user-based相同爱好的用户兴趣圈子的社会化行为实时性解决new-item的冷启动问题item-based用户历史兴趣相似性可以理解的可解释性很强user-based更多的考虑相同爱好的用户兴趣，属于圈子的社会化行为，具备很强的实时性，尤其是新引入的热点，可以很快的扩散，也能解决new-item的冷启动问题。item-based主要考虑用户历史兴趣，推荐的item与用户当前click的相似性，用户是可以理解的，也就是所谓的可解释性很强

协同过滤算法优点:（1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐;（2）能够基于一些复杂的，