協同過濾（Item cf）

背景 信息過載，用戶需求不明確 強依賴於用戶行爲 工業界主流落地場景 信息流 電商 o2oLBS 個性化召回算法協同過濾理論與理論升級 Item cf 給用戶推薦他之前喜歡的物品相似的物品 如何衡量相似？ 基於用戶行爲，如果喜歡2個物品的用戶重合度越高，那麼2個物品也就越相似。 如何衡量喜歡？ 看用戶是否真實點擊，在電商場景下，更看重實際轉化（實際消費購買）；信息流場景下，更看重真實的點擊（基於一

>>阅读原文<<