【推荐系统】协同过滤与基于内容推荐的区别

• 协同过滤着重于user与item的交互信息；
• 基于内容着重于item本身携带的信息；

from@张小磊

1、协同过滤算法与基于内容推荐算法所使用的数据维度不同。

【协同过滤】侧重使用用户对于商品的历史交互记录，即用户-商品二维矩阵；

【基于内容推荐】侧重于对用户或者项目的属性信息建模，比如用户的性别、年龄，商品的颜色、大小等属性。

对于同一用户而言：

【协同过滤】需要根据该用户所在矩阵的某一行来进行表示，即利用用户对于所有商品的交互记录来表示。换句话说，协同过滤算法中的用户/商品表示可以看做特殊的基于内容的表示，只不过是把用户的具体内容属性换为了用户的历史行为特征。

【基于内容推荐】需要利用用户的性别、年龄、爱好等组成特征向量来表示；

2、协同过滤算法与基于内容推荐算法的核心思想不同。

【协同过滤】侧重于从大数据（集体智慧）中寻找某些隐含的模式，即通过用户对于商品的历史交互记录来寻找相似的用户；

【基于内容推荐】则侧重于通过对象的属性信息来进行匹配建模进而寻找相似的用户或者商品。

3、协同过滤算法与基于内容推荐算法的实现技术不同。

【协同过滤】将用户-商品评分二维矩阵当做输入送入模型进行训练进而产生输出，典型的模型为矩阵分解、user-based cf，item-based cf；

【基于内容推荐】侧重将用户或者商品的特征信息作为输入特征，进而送入分类器进行建模，典礼的模型为LR。

4、协同过滤算法与基于内容推荐算法好坏的决定因素不同。

【协同过滤】算法随着用户对于商品的交互记录增多会使得模型能够更精确的捕捉用户的行为习惯，进而使得模型能够不费用额外的人工的方式来提高精度（但他在初期会面临冷启动问题的困扰）。

【基于内容推荐】侧重于特征工程，算法的好坏由用户和商品的内容属性所决定，因此需要较强的领域知识，但他的好处是不存在冷启动的问题。

 

协同过滤和基于内容推荐有什么区别？ - 秉机夜读的回答 - 知乎

协同过滤：基于用户行为，本质上是graph model。考虑的是用户的共同行为。
内容推荐：根据文本相关性。考虑词的共现状况。

 

协同过滤和基于内容推荐有什么区别？ - 知乎