一、协同过滤算法
1、协同过滤算法的核心思想是通过其他人的观点来过滤和评价商品的过程
2、主要目的是通过已有数据之间的关系来计算用户之间的相似度，而后找到有共同兴趣爱好的用户，从而产生推荐
使用于非结构化的数据，如电影、音乐等资源内容特征分析难度较大
但是协同过滤技术可以提取用户评分，购买记录，浏览记录等数据来评价这个电影或音乐怎么样
协同过滤算法也能够很好的发现用户的其他兴趣，推荐用于从未关注的领域但是比较感兴趣的事物
协同过滤算法能够不依靠用户自己定位兴趣点，而是自动通过显性或隐形的信息来做出相关推荐
3、协同过滤也有缺点
冷启动问题：要是一个用户从未对任何项目进行评价，那么这个用户就不能得到推荐
稀疏性问题：实际中的网站是十分庞大的，而用户只是对某一小块区域进行了评价，这些矩阵之间的关联性十分弱，使得推荐的质量比较差
可扩展性问题：用户增多，算法的复杂度急剧扩大，影响了推荐的实时性
标签：协同,推荐,用户,算法,过滤,评价 来源： https://www.cnblogs.com/mikizero/p/15507015.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。