@@ -48,6 +48,7 @@
|
||||
2. 找到这个集合中的用户喜欢的,且目标用户没有听说过的物品推荐给目标用户
|
||||
|
||||
**缺点**
|
||||
|
||||
1.数据稀疏性
|
||||
一个大型的电子商务推荐系统一般有非常多的物品,用户可能买的其中不到1%的物品,不同用户之间购买的物品重叠性较低,导致算法无法找到一个用户的偏好相似的用户。这导致UserCF不适用与那些正反馈获取较困难的应用场景(如酒店预订,大件商品购买等低频应用)
|
||||
|
||||
@@ -69,6 +70,7 @@ UserCF需要维护用户相似度矩阵以便快速的找出Topn相似用户,
|
||||
2.根据物品的相似度和用户的历史行为给用户生成推荐列表(购买了该商品的用户也经常购买的其他商品)
|
||||
|
||||
**缺点**
|
||||
|
||||
1.数据稀疏性
|
||||

|
||||
表中数据0代表用户没有商品打分,1代表用户对商品打分了
|
||||
|
||||
Reference in New Issue
Block a user