1樓：阿舞子
基於內容的推薦只考慮了物件的本身性質，將物件按標籤形成集合，如果你消費集合中的乙個則向你判枯推薦集合中的其他物件；
基於侍衝掘協同過濾的推薦演算法，充分利用集體智慧，即在大量的人群的行為和資料中收集答案，以幫助我們對整個人群得到統計意義上的結論，推薦的個性化程度高，基於以下兩個出發點：(1)興趣相近的使用者可能會對同樣的東西感興趣；(2)使用者可能較偏愛與其已購買的東西相類似的商品。也就是說考慮進了使用者的歷史習慣，物件客觀上不一定相似，但由於人的行為可以認為其主觀上是相似的，就可以產生推老核薦了。
2樓：知38380復飼
舉個簡單的小例子，我們已知道。
使用者u1喜歡的電影是a，b，c
使用者u2喜歡的電影是a, c, e, f
使用者u3喜歡的電影是b，d
基於內容的做法：要分析f的特徵和u1所喜歡的a、b、c的特徵，需要知道的資訊是a（戰爭片），b（戰爭片），腔衡察c（劇情片），如果f（戰爭片），那麼f很大程度上可以推薦攔猛給u1，這是基於內容的做法，你需要對item進行特徵建立和建模。
協同過濾的辦法：那麼你完全可以忽略item的建模，因為這種辦法的決策是依賴user和item之間的關係，也就是這裡的使用者和電影之間的關係。我們不再需要知道abcf哪些是戰爭片，哪些是劇情片，我們只需要知道使用者u1和u2按照item向量表示，他們的相似度比較高，那麼我們可以把u2所喜歡的f這部影片推薦給u1。
根據資料來源的不同推薦引擎可以分為三類。
1、基於人口的統計學推薦(demographic-based recommendation)
2、基於內容的推薦(content-based recommendation)
3、基於協同過濾的推薦(collaborative filtering-based recommendation)
基於內容的推薦：
基於內容推薦的乙個典型的例子，電影推薦系統，首先我們需要對電影的後設資料有乙個建模，這裡只簡單的描述了一下電影的型別；然後通過電影的後設資料發現電影間的相似度，因為型別都是「伍茄愛情，浪漫」電影 a 和 c 被認為是相似的電影（當然，只根據型別是不夠的，要得到更好的推薦，我們還可以考慮電影的導演，演員等等）；最後實現推薦，對於使用者 a，他喜歡看電影 a，那麼系統就可以給他推薦類似的電影 c。<>
3樓：戰歌
1)基於使用者的協同過濾推薦(user-based collaborative filtering recommendation)
基於使用者的協同過濾推薦演算法先使用統計技術尋找與目標使用者有相同喜好的鄰居，然後根據目標使用者的鄰居的喜好產生向目標使用者的推薦。基本原理就是利用使用者訪問搏備行為的相芹好似性來互相推薦使用者可能感興趣的資源，2)基於專案的協同過濾推薦(item-based collaborative filtering recommendation)
根據所有使用者對物品或者資訊的評價，發現物品嫌銀鉛和物品之間的相似度，然後根據使用者的歷史偏好資訊將類似的物品推薦給該使用者，3)基於模型的協同過濾推薦(model-based collaborative filtering recommendation)
基模型的協同過濾推薦就是基於樣本的使用者喜好資訊，訓練乙個推薦模型，然後根據即時的使用者喜好的資訊進行**推薦。
4樓：枕流說教育
協同過濾。
協同過濾側重於從大資料（集體智慧）中尋找某些隱含的模式，以物品為核心，它是對基於使用者的協同過濾的一種改良。基於內容推薦則側重於通過物件的屬性資訊來進行匹配建模進而閉慎尋找轎備敬相似的使用者滾薯或者商品，本質是「你喜歡某一事物，給你推薦近似的事物。」。
簡介：
個性化推薦，是系統的智慧型推薦。個性化推薦的原理使用較多的是這3種方式：基於內容的推薦、基於使用者的協同過濾、基於物品的協同過濾這3種推薦方式的核心則是計算相似度。
基於協同過濾的推薦演算法
5樓：新科技
協同過濾推薦演算法是最經典的推薦演算法，它的演算法思想為物以類聚，人以群分，基本的協鍵困同過濾演算法基於以下的假設：
實現協同過濾的步驟：
找到相似的top-n個人或者物品那麼，如何計算相似度呢？
根據資料型別的不同，相似度的計算方式也不同，資料型別有：
一般的，相似度計算有傑卡德相似度、餘弦相似度、皮爾遜相關係數
使用者-物品的評分矩陣，根據碧亮備評分矩陣的稀疏程度會有不同的解決方案。
目的：**使用者1對於物品e的評分
步驟分析：實現過程
使用者之間的兩兩相似度：
物品之間的兩兩相似度：
協同過濾，基於內容推薦有什麼區別？
6樓：常秋桃
基於內容的推薦只考慮了物件的本身性質，將物件按標籤形成集合，如果你消費集合中的乙個則向你推薦集合中的其他物件；
基於協同過濾的推薦演算法畢族，充分利用集體智慧，即在大量的人群的行鬥仔為和資料中收集答案，以幫助我們對整個人群得到統計意義上的結論，推薦的個性化程度高，基於以下兩個出發點：(1)興趣相近的使用者可能會對同樣的東西感興趣；(2)使用者可能較偏愛與其已購買的東西相類似的商品。也就是說考慮進了使用者的歷史習慣，物件客觀上不一定相似，手銷弊但由於人的行為可以認為其主觀上是相似的，就可以產生推薦了。
7樓：容信四
1)基於使用者的協同過濾推薦(user-based collaborative filtering recommendation)
基於使用者的協同過濾推薦演算法先使用物茄盯統計技術尋找與目標使用者有相同喜好的鄰居，然後根據目標使用者的鄰居的喜好產生向目標使用者的推薦。基本原理就是利用使用者訪問行為的相似性來互相推薦使用者可能感興趣的資源，2)基於專案的協同過濾推薦(item-based collaborative filtering recommendation)
根據所有用納巨集戶對物品或者資訊的評價，發現物品和物品之間的相似度，然後根據使用者的歷史偏好資訊將類似的物品推薦給該使用者，3)基於模型的協同過濾推薦(model-based collaborative filtering recommendation)
基模型的協同過濾推薦就是基於樣本的使用者喜好資訊，訓練乙個推薦模型，然罩和後根據即時的使用者喜好的資訊進行**推薦。<>
協同過濾的介紹
8樓：小夥
協同過濾常常被用於分辨某位特定顧客可能感興趣的東西，這些結論來自於對其他相似顧客對州脊哪些產品感興趣的分析。協同過濾以其歷喚出色的速度和健壯性，在全球網際網絡領域肢跡凱炙手可熱。
現在空調都淨化過濾嗎？有什麼推薦？
我家最近裝修，換的是三星 空調沐風就不錯，配備了過濾技術，將空氣層層淨化，不僅靜音，出風還很柔和，心水 大品牌可以選三星，它家的空調搭配上spi等離子空氣淨化裝置，可以電離陰陽離子，包圍和去除細菌。什麼是淨化空調？摘要。淨化空調，顧名思義，就是具有淨化功能的空調。主要用於製藥 化學化工 醫院手術室 ...
前置過濾器和淨水器有什麼區別，前置過濾器與末端淨水器的區別是什麼？
現在用的比較普遍的直飲淨水器一般包括pp棉，活性炭，反滲透膜，後置活性炭等多級過濾，其關鍵部分是 ro膜 反滲透膜，經過處理後的水可以直接飲用。前置過濾器一般都是用pp棉或者顆粒活性炭來充當，沒有更多的過濾層次。這就是淨水器和前置過濾器的區別。或者說 前置淨水器僅僅是淨水器的一部分。希望採納。回答您...
防毒面具和過濾式自救呼吸器有什麼區別
1 含義上的區別 防毒面具是個人特種勞動保護 用品，也是單兵防護用品，戴在頭上，保護人的呼吸器官 眼睛和麵部，防止毒氣 粉塵 細菌 有毒有害氣體或蒸汽等有毒物質傷害的個人防護器材。過濾式自救呼吸器是一種自給開放式空呼吸器，配有視野廣闊 明亮 氣密良好的全面罩。2 應用上的區別 防毒面具廣泛應用於石油...