推薦系統之常見知識點總結

兩種協同過濾的區別：

一、基於user的協同過濾：

    先挖掘出與用戶類似興趣的人羣，再從這些類似人羣中的人所喜歡的東西可是用戶還沒喜歡過的內容。 

    舉個例子：對於作android開發的初學者來講，他想要知道android開發要學習哪些知識點，看哪些書，那麼對於初學者來講他的興趣點是android開發，那麼咱們就能夠找到一羣android開發人員，而後就能夠提取出這些android開發者平時所看得比較多的書，和平時討論的比較多的知識點推薦給這個android初學者，那麼這個就叫做基於user的協同過濾。

    能夠看出來，咱們先對user進行了一個分類，而後篩選出與用戶興趣的相近的一個user羣，而後再獲得這些user你們都感興趣的item進行推薦。

二、基於item的協同過濾：

    先針對item進行分類，而後根據用戶之前感興趣的item的結果進行推薦。

    舉個例子：在blog推薦的過程當中，咱們能夠先離線分析處blog的分類，而後根據用戶之前感興趣的blog，計算出他的興趣點進行推薦，這裏的關鍵實際上是在blog的分類，不單單是針對blog的內容進行分析，咱們還能夠利用其餘用戶看過的blog進行分分析，若是由兩篇blog  blogA，blogB,可是經過blog的內容發現這兩篇blog沒有什麼關係，分屬不一樣的類別，可是經過發現看過blogA的用戶基本上都看過blogB,那麼咱們能夠認爲這兩篇blog的興趣點是類似的，那麼能夠將其劃分爲同一類。

具體的計算以下：

    

未完待續...