mahout in action推荐系统阅读笔记（6）

最新推荐文章于 2013-03-08 15:14:38 发布

原创最新推荐文章于 2013-03-08 15:14:38 发布 · 1.1k 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

mahout 专栏收录该内容

33 篇文章

订阅专栏

本文探讨了Item-Based推荐算法的基本原理，对比User-Based推荐，Item-Based推荐通过计算物品间的相似度为用户推荐相似物品。文章分析了该算法的优势与挑战，并提及了在物品数量较少的情况下Item-Based推荐更为高效。

item based推荐

很多方面是和user based相同的

不同的是user based先要查找和自己相似用户，从他们喜欢的里边推荐，而item based是先找到user喜欢的item，然后寻找和这个item相似的item

user based算法当用户多时候花费时间多，item based算法当item多时候花费时间多

算法

for every item i that u has no preference for yet
  for every item j that u has a preference for
    compute a similarity s between i and j
    add u's preference for j, weighted by s, to a running average
return the top items, ranked by weighted average

当item数量少于user数量时，item based比较好，且item的变化不大，可以预先计算item之间相似性

这里有个重要问题书上没说，就是如何建立item之间的相似性，需要填哪些项表明它们相似

item based recommender

GenericItemBasedRecommender