사용자 기반과 항목 기반 권장 사항이 정확히 어떻게 다른지 알고 싶습니다.
그것은 정의
사용자 기반 : 유사한 사용자를 찾아 항목을 추천합니다. 사용자의 동적 특성으로 인해 확장이 어려운 경우가 많습니다.
아이템 기반 : 아이템 간의 유사성을 계산하고 추천합니다. 일반적으로 항목은 많이 변경되지 않으므로 오프라인으로 계산할 수 있습니다.
그러나 두 가지 종류의 권장 사항이 있지만, 내가 이해하는 것은 두 가지 데이터 모델을 모두 사용한다는 것입니다 (1, 2 또는 1, 2, 5는 item1, item2, value 또는 user1, user2, value는 값이 아닌 경우) (필수)) 우리가 선택한 유사성 측정 및 권장 사항 내장 기능으로 모든 계산을 수행하며 동일한 데이터에 대해 사용자 / 항목 기반 권장 사항을 모두 실행할 수 있습니다 (올바른 가정입니까 ??).
그래서이 두 가지 유형의 알고리즘이 얼마나 정확하고 어떤면에서 다른지 알고 싶습니다.