| 推荐算法 | 优点 | 缺点 |
|---|---|---|
| 基于内容的推荐算法 | 1. 不存在新物品的冷启动问题 2. 不受打分稀疏性约束 3. 列出推荐项目的内容特征,具有可解释性 | 1. 无法处理多媒体数据 2. 两个不同的项目用相同特征词表示无法区分 3. 存在新用户冷启动问题 4. 推荐结果多样性较差 |
| 协同过滤推荐算法 | 1. 能够处理多媒体等非结构化数据 2. 系统自动化程度高 3. 推荐结果丰富 4. 推荐结果具有可解释性 | 1. 存在打分稀疏性问题 2. 存在新用户和新物品冷启动问题 3. 存在算法可扩展性问题 |
| 基于知识的推荐算法 | 1. 不受打分稀疏性约束 2. 避免新用户和新物品冷启动问题 3. 推荐结果具有可解释性 | 1. 算法可扩展性较差 2. 需要构建知识库 3. 受到知识表示方法的约束 |
| 基于语义的推荐算法 | 1. 算法具有可扩展性 2. 不受打分稀疏性约束 3. 发掘用户和项目间的隐含语义信息 4. 提高推荐准确率和多样性 | 1. 存在新用户和新物品冷启动问题 2. 受到数据获取技术的约束 3. 需要构建领域本体 |
常用推荐算法
本文链接：https://blog.jnliok.com/post/algorithm-recommend.html
-- EOF --
Comments