推荐系统之常见知识点总结

两种协同过滤的区别：

一、基于user的协同过滤：

    先挖掘出与用户类似兴趣的人群，再从这些类似人群中的人所喜欢的东西可是用户还没喜欢过的内容。 

    举个例子：对于作android开发的初学者来讲，他想要知道android开发要学习哪些知识点，看哪些书，那么对于初学者来讲他的兴趣点是android开发，那么咱们就能够找到一群android开发人员，而后就能够提取出这些android开发者平时所看得比较多的书，和平时讨论的比较多的知识点推荐给这个android初学者，那么这个就叫做基于user的协同过滤。

    能够看出来，咱们先对user进行了一个分类，而后筛选出与用户兴趣的相近的一个user群，而后再获得这些user你们都感兴趣的item进行推荐。

二、基于item的协同过滤：

    先针对item进行分类，而后根据用户之前感兴趣的item的结果进行推荐。

    举个例子：在blog推荐的过程当中，咱们能够先离线分析处blog的分类，而后根据用户之前感兴趣的blog，计算出他的兴趣点进行推荐，这里的关键实际上是在blog的分类，不单单是针对blog的内容进行分析，咱们还能够利用其余用户看过的blog进行分分析，若是由两篇blog  blogA，blogB,可是经过blog的内容发现这两篇blog没有什么关系，分属不一样的类别，可是经过发现看过blogA的用户基本上都看过blogB,那么咱们能够认为这两篇blog的兴趣点是类似的，那么能够将其划分为同一类。

具体的计算以下：

    

未完待续...