A. 推薦演算法的主要推薦方法的對比
各種推薦方法都有其各自的優點和缺點,見表1。 表1 主要推薦方法對比 推薦方法優點缺點基於內容推薦推薦結果直觀,容易解釋;不需要領域知識 新用戶問題;復雜屬性不好處理;
要有足夠數據構造分類器 協同過濾推薦新異興趣發現、不需要領域知識;隨著時間推移性能提高;
推薦個性化、自動化程度高;
能處理復雜的非結構化對象 稀疏問題;可擴展性問題;
新用戶問題;
質量取決於歷史數據集;
系統開始時推薦質量差; 基於規則推薦能發現新興趣點;不要領域知識 規則抽取難、耗時;產品名同義性問題;
個性化程度低; 基於效用推薦無冷開始和稀疏問題;對用戶偏好變化敏感;
能考慮非產品特性 用戶必須輸入效用函數;推薦是靜態的,靈活性差;
屬性重疊問題; 基於知識推薦能把用戶需求映射到產品上;能考慮非產品屬性 知識難獲得;推薦是靜態的