文章最前: 我是Octopus,这个名字来源于我的中文名--章鱼;我热爱编程、热爱算法、热爱开源。所有源码在我的个人github;这博客是记录我学习的点点滴滴,如果您对 Python、Java、AI、算法有兴趣,可以关注我的动态,一起学习,共同进步。
相关文章:
协同过滤推荐算法和基于内容推荐算法的区别?推荐算法的分类推荐算法中LFM模型
1.基于内容推荐推荐算法
基于内容的推荐只考虑了对象本身性质,将对象按照标签形成集合,如果你消费集合中的一个则向你推荐集合中其他的对象;根据物品或内容的元数据,发现物品或内容的相关性,然后基于用户以前的的喜好记录推送给用户相似的物品,它不能进行实时的进行推送;
2.协同过滤推荐算法
协同过滤算法又分为三种:基于用户的协同过滤算法,基于商品的协同过滤算法,基于模型的协同过滤算法
协同过滤的推荐算法:充分利用集体智慧,即大量的人群的行为和数据收集的答案,以帮助我们对整个人群得到统计意义上的结论,推荐的个性化程度高,基于以下两点:
1)兴趣相近的用户可能会对同样的东西感兴趣;
2)用户可能偏爱与自己购买的东西相类似的商品;
也就是说考虑进去了用户的历史习惯,对象客观上不一定相似,但是人的行为有可能主观上是相似的,就可以产生推荐了。