什么时候用user-user协同过滤,什么时候用Item-Item协同过滤?
When to use user-user collaborative filtering and when to use Item-Item collaborative filtering?
我很困惑什么时候使用user-user协同过滤什么时候使用Item-Item协同过滤?
请帮忙!!
Item-Item:- 寻找相似的物品,用户 X 已经评价并推荐最相似的物品。这里的相似性是指人们如何根据评级对待两个项目。如果两个项目获得相同用户的相同类型的评级,那么它们是 similar.For 示例:-
Per1 Per2 Per3
Item1 5 3 1
Ttem2 2 3 3
项目vector_1 = 5P1 + 3P2 + 1P3
项目vector_2 = 2P1 + 3P2 + 3P3
如果我们计算两个向量的余弦相似度:
Cos_sim = (5*2 + 3*3 + 1*3) / sqrt((25+9+1)*(4+9+9)
Cos_sim = 0.792
用户-用户:- 通过评估两个用户的评分模式来查找用户之间的相似性。
例如:-
Item1 Item2 Item3 Item4
Per_x 5 2 5 2
Per_y 5 2 5 2
这两个用户非常相似。这可能是你和你的朋友。
希望对您有所帮助!!!
如果您的用户多于数据集中的项目(通常是这种情况),则使用项目-项目协同过滤会很有效。例如:与产品相比,亚马逊将拥有庞大的客户群。
此外,用户的偏好和喜好会随着时间的推移而变化,因此很难在用户-用户协同过滤中解决这个问题,但对于项目来说,通常可以看出项目的评级不会随着时间的推移而发生太大变化。
我很困惑什么时候使用user-user协同过滤什么时候使用Item-Item协同过滤?
请帮忙!!
Item-Item:- 寻找相似的物品,用户 X 已经评价并推荐最相似的物品。这里的相似性是指人们如何根据评级对待两个项目。如果两个项目获得相同用户的相同类型的评级,那么它们是 similar.For 示例:-
Per1 Per2 Per3
Item1 5 3 1
Ttem2 2 3 3
项目vector_1 = 5P1 + 3P2 + 1P3
项目vector_2 = 2P1 + 3P2 + 3P3
如果我们计算两个向量的余弦相似度:
Cos_sim = (5*2 + 3*3 + 1*3) / sqrt((25+9+1)*(4+9+9)
Cos_sim = 0.792
用户-用户:- 通过评估两个用户的评分模式来查找用户之间的相似性。 例如:-
Item1 Item2 Item3 Item4
Per_x 5 2 5 2
Per_y 5 2 5 2
这两个用户非常相似。这可能是你和你的朋友。
希望对您有所帮助!!!
如果您的用户多于数据集中的项目(通常是这种情况),则使用项目-项目协同过滤会很有效。例如:与产品相比,亚马逊将拥有庞大的客户群。
此外,用户的偏好和喜好会随着时间的推移而变化,因此很难在用户-用户协同过滤中解决这个问题,但对于项目来说,通常可以看出项目的评级不会随着时间的推移而发生太大变化。