Content Based Recommender 和 K 均值聚类的区别

Question

顾名思义，这是一个相对简单的问题。在两者中，我们计算两个项目之间的相似度（当然可以使用不同的度量）。并且我们推荐最接近用户刚刚使用的项目的项目。谁能给我解释一下这两者有什么不同？

Answer 1

从概念的角度来看，Content Based Recommender是一个推荐系统，它不需要使用聚类策略，取而代之的是，它可以实现任何策略。基于内容的推荐器可以应用分类、预测、聚类或合并所有这些策略来为我们称之为 Decision Support System 的东西提供推荐。

K-means 是一种策略，它使用数据集的属性作为向量，并基于项目之间的欧氏距离，它意味着数据集上每个项目属于给定的 k 个聚类.

A Content Based Recommender 可以使用 k-means 作为向 Decision Support System 提供推荐的策略的一部分。