基于内容推荐算法:基于物品或内容的特征,发现物品之间的相似性,然后基于用户以前的喜好记录推荐给用户相似的物品。本质是对物品或内容进行分析建立特征,基于用户对什么特征的内容感兴趣以及分析一个物品具备什么特征来做推荐。不考虑用户之间的关系,只关注物品本身的特征,根据Item获得与之特征相似的Item进行推荐。简单来说就是根据用户之前喜欢的物品,通过对特征的匹配分析,预测用户的喜好。
基于用户的协同过滤推荐算法:寻找与目标用户有相同喜好的邻居,然后根据邻居的喜好向目标用户进行推荐。基本原理就是利用用户访问行为的相似性来推荐用户可能感兴趣的资源。根据用户-物品的评分矩阵,计算用户的相似度,根据相似用户的喜好进行推荐。主要关注User与Item之间的关联,与具体Item本身的特征没有关系,基于相似用户会喜欢相似物品的假设进行推荐。简单来说就是根据和某一用户有相似喜好的其他用户的喜好,从而预测该用户对物品的可能喜好。
差别在于:协同过滤必须要有用户行为,基于内容的推荐不考虑用户行为。冷启动阶段只能用基于内容的推荐,因为没有用户行为数据,积累一段时间用户行为数据后才可以使用协同过滤。
从用途上来说,协同过滤适合给用户带点新鲜感的使用场景,如“逛”淘宝的用户;而基于内容推荐更适合用户焦点比较集中的使用场景,如垂直领域的内容推送。
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar