知识卡片

普通读书笔记卡 · 9858.e · 生成模型:Hunyuan

基于物品的协同过滤

理解等级:中级

基于物品的协同过滤把视角从用户转到物品:用所有用户对某物品的偏好构成列向量计算物品间相似度,找到相似物品后,再依据用户历史偏好预测其对未接触物品的喜好并排序推荐。例如喜欢物品A的用户都喜欢物品C,则A与C相似,那么喜欢A的用户C也可能喜欢C。它与基于用户的方法本质相通,区别只在相似度计算的方向。二者没有本质优劣,通常按数据形态选择:物品少、用户多选基于物品,物品多、用户少选基于用户。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第9章 推荐系统 · 查看原书依据

      基于物品的协同过滤的实现原理和基于用户的协同过滤类似,只是在计算邻居时是站在物品本身的角度,而不是用户的角度,即基于用户对物品的偏好找到相似的物品,然后根据用户的历史偏好,推荐相似的物品给他。

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第9章 推荐系统(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter12_0002.xhtml) - 结论依据:原文说明了列向量算物品相似度、依据历史偏好预测的流程及A与C的例子,并给出与基于用户方法的对比选择规则,支撑本卡。 - 原始内容:基于物品的协同过滤的实现原理和基于用户的协同过滤类似,只是在计算邻居时是站在物品本身的角度,而不是用户的角度,即基于用户对物品的偏好找到相似的物品,然后根据用户的历史偏好,推荐相似的物品给他。