A. 推荐算法的主要推荐方法的对比
各种推荐方法都有其各自的优点和缺点,见表1。 表1 主要推荐方法对比 推荐方法优点缺点基于内容推荐推荐结果直观,容易解释;不需要领域知识 新用户问题;复杂属性不好处理;
要有足够数据构造分类器 协同过滤推荐新异兴趣发现、不需要领域知识;随着时间推移性能提高;
推荐个性化、自动化程度高;
能处理复杂的非结构化对象 稀疏问题;可扩展性问题;
新用户问题;
质量取决于历史数据集;
系统开始时推荐质量差; 基于规则推荐能发现新兴趣点;不要领域知识 规则抽取难、耗时;产品名同义性问题;
个性化程度低; 基于效用推荐无冷开始和稀疏问题;对用户偏好变化敏感;
能考虑非产品特性 用户必须输入效用函数;推荐是静态的,灵活性差;
属性重叠问题; 基于知识推荐能把用户需求映射到产品上;能考虑非产品属性 知识难获得;推荐是静态的