个性化推荐算法笔记

Chap0 CF (collaborative filtering)

itemCf与userCf

详见文件夹CF

• itemcf与usercf的优缺点
  • 推荐实时性 item快 点击了就可以推荐
  • 新用户/新物品的推荐
  • 推荐理由的可解释性
  • 使用场景
    • 性能层面 item适用于物品<<人数
    • 个性化层面考量

Chap1 LFM (latent factor model)

• 工业界效果比较好
• 什么是LFM算法
  • 输入是每一个user向量和item向量的点赞矩阵
• 应用场景
  • user的item推荐度列表
  • item的相似度推荐列表
  • item之间的相似度隐含挖掘