《人工智能及其应用》课堂报告—协同过滤算法.pptVIP

LOGO《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-basedlikelikelikelikelikelikeUSERAUSERBUSERCabcd步骤：算法介绍：likeIterm-based步骤：算法介绍：likelikelikelikelikeUSERAUSERBUSERCabcdlikelike两种方式的对比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，难以表达的概念（信息质量、品位)进行过滤;（3）推荐的新颖性。协同过滤算法缺点:（1）用户对商品的评价非常稀