国产一区亚洲综合人妻,香蕉视频99

基于內(nèi)容推薦：

核心思想是根據(jù)推薦物品或內(nèi)容的元數(shù)據(jù)，發(fā)現(xiàn)物品或者內(nèi)容的相關性，然后根據(jù)用戶以往的喜好記錄，推薦給用戶相似的物品。

基本原理：

優(yōu)點：知道用戶的喜好，能夠更加精確的推薦。
缺點:

物品相似度的分析僅僅依賴于物品本身的特征，沒考慮人對物品的態(tài)度。（例如：我在淘寶上因為好奇打開了一件物品來查看，或者看完后并不喜歡，但淘寶仍有可能推薦給我相似的物品）
因為需要基于用戶以往的喜好歷史做出推薦，要決解對于新用戶的喜好不清楚這個問題。

傳統(tǒng)的基于內(nèi)容過濾是直接分析內(nèi)容進行推薦，而協(xié)同過濾是通過分析用戶興趣，在用戶群中找到指定用戶的相似（興趣）的用戶，綜合這些用戶對某一信息的評價，形成系統(tǒng)對該指定用戶對此信息的喜好程度預測。

可以說，協(xié)同過濾也是利用集體智慧的一個方法。

原理：

要實現(xiàn)協(xié)同過濾，需要一下幾個步驟

存在的問題：

使用基于物品的協(xié)同過濾，需要維護一個物品相似度矩陣。如果物品之間的相似度經(jīng)常變化，那么物品相似度的矩陣則需要經(jīng)常更新。如果物品經(jīng)常增加，那么物品相似度的矩陣也會增長的非?？?。

如今許多軟件為了更好地了解用戶，提高用戶使用感受，都使用了協(xié)同過濾的方法。（例如豆瓣）
但基于內(nèi)容推薦與協(xié)同過濾推薦，也各有優(yōu)缺點，因此也不乏兩者都結(jié)合使用的軟件。（例如今日頭條）

拓展：

除上面兩種外，還有：

基于人口統(tǒng)計學推薦：一般是將用戶按其個人屬性（如：性別，年齡，教育背景，居住地，語言等）作為分類的指針，以此作為推薦的基礎。

以及：
基于項目的協(xié)同過濾推薦

基于模型的協(xié)同過濾推薦