协同过滤算法

本文主要是介绍协同过滤算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、协同过滤算法

1、协同过滤算法的核心思想是通过其他人的观点来过滤和评价商品的过程

2、主要目的是通过已有数据之间的关系来计算用户之间的相似度，而后找到有共同兴趣爱好的用户，从而产生推荐

使用于非结构化的数据，如电影、音乐等资源内容特征分析难度较大
但是协同过滤技术可以提取用户评分，购买记录，浏览记录等数据来评价这个电影或音乐怎么样
协同过滤算法也能够很好的发现用户的其他兴趣，推荐用于从未关注的领域但是比较感兴趣的事物
协同过滤算法能够不依靠用户自己定位兴趣点，而是自动通过显性或隐形的信息来做出相关推荐

3、协同过滤也有缺点

冷启动问题：要是一个用户从未对任何项目进行评价，那么这个用户就不能得到推荐
稀疏性问题：实际中的网站是十分庞大的，而用户只是对某一小块区域进行了评价，这些矩阵之间的关联性十分弱，使得推荐的质量比较差
可扩展性问题：用户增多，算法的复杂度急剧扩大，影响了推荐的实时性

这篇关于协同过滤算法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！