做网站石材推销,网站建设顶部图片,企业网站管理系统模版源码,劳动仲裁院内部网站建设算法原理
透过百科#xff0c;我们了解到协同过滤推荐#xff08;Collaborative Filtering recommendation#xff09;是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同#xff0c;协同过滤算法结合用户行为分析用户…算法原理
透过百科我们了解到协同过滤推荐Collaborative Filtering recommendation是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同协同过滤算法结合用户行为分析用户兴趣而后根据有着相同兴趣的用户群体的喜好得到一个更大的兴趣范围即推荐范围从而达到预测用户喜好 的目的。
优点
与传统文本过滤相比协同过滤有下列优点: 1能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐; 2能够基于一些复杂的难以表达的概念信息质量、品位)进行过滤; 3推荐的新颖性。 正因为如此协同过滤在商业应用上也取得了不错的成绩。AmazonCDNowMovieFinder都采用了协同过滤的技术来提高服务质量。
缺点
1用户对商品的评价非常稀疏这样基于用户的评价所得到的用户间的相似性可能不准确即稀疏性问题; 2随着用户和商品的增多系统的性能会越来越低; 3如果从来没有用户对某一商品加以评价则这个商品就不可能被推荐即最初评价问题。
总结
协同过滤算法固然在推荐上有一定效果但当数据的变化性过大时其预测的准确度往往不尽人意需要结合场景做进一步的优化。因此电子商务推荐系统都采用了几种技术相结合的推荐技术。
