UserCF原理：UserCF給用戶推薦那些和他具有共同興趣愛好的用戶喜歡的物品

ItemCF原理：ItemCF給用戶推薦那些和他之前喜歡的物品類似的物品

UserCF的推薦更社會化，反映了用戶所在的小型興趣群體中物品的熱門程度；而ItemCF的推薦更加個性化，反映了用戶自己的興趣傳承

UserCF適合于新聞推薦的原因：

• 熱門程度和時效性是個性化新聞推薦的重點，而個性化相對于這兩點略顯次要
• UserCF需要維護一個用戶興趣相似表，而ItemCF需要維護一個物品相似表，在新聞推薦系統中物品的更新速度是很快的，那么如果采用ItemCF的話，物品相似度表也需要很快地更新，這是難以實現的

ItemCF適合于圖書、電子商務和電影網站的原因：

• 用戶的興趣是比較固定和持久的
• 這些系統中用戶不太需要流行度來輔助他們判斷一個物品的好壞，而是可以通過自己熟知的領域的知識自己判斷物品的質量

UserCF的適用場合：

• 用戶較少的場合，如果用戶很多，計算用戶相似度度矩陣代價很大（新聞網站）
• 時效性較強，用戶個性化興趣不太明顯的領域
• 不需要給出令用戶信服的推薦解釋

ItemCF的適用場合：

• • 適用于物品的數量明顯小于用戶的數量的場合，如物品很多（網站），計算物品的相似度矩陣代價很大
  • 長尾物品豐富，用戶個性化需求強烈的領域
  • 需要利用用戶的歷史行為給用戶做推薦解釋，可以令用戶比較信服

總結

以上是生活随笔為你收集整理的协同过滤的itemCF，userCF区别适用场景的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。