推薦系統user-based和item-based協同過濾算法定性比較

    研究生期間作了兩年的推薦系統、數據挖掘方面的學術研究，由於工做的緣由，近期正在整理當初的學習資料和代碼，本篇主要參考資料爲項亮的《推薦系統實踐》。算法     在現實的狀況中，每每物品的個數是遠遠小於用戶的數量的，並且物品的個數和類似度相對比較穩定，能夠離線完成工做量最大的類似性計算步驟，從而大大下降了在線計算量，基於用戶的實時性更好一些。可是具體使用的場景，還須要根據具體的業務類型來區分

>>阅读原文<<