Content Based Recommender 和 K 均值聚类的区别
Difference between Content Based Recommender and K means clustering
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?
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。
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?
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。