根据用户的兴趣推荐相似用户的recsys算法的类型或家族是什么？

Question

我正在学习Coursera MooC的推荐系统。我发现主要有三种类型的过滤方法（在引入过程中）。
a。基于内容的过滤
b。 Item-Item协同过滤
c。用户 - 用户协同过滤

了解了这一点，我不确定 - 类似用户根据兴趣/偏好属于哪个建议？例如，考虑我有User-> TopicsOfInterest0..n关系。我想根据各自的TopicsOfInterest（矢量）推荐其他类似的用户。

Answer 1

我不确定这三种类型是所有推荐系统的详尽分类。事实上，任何基于矩阵分解的算法（SVD等）都是同时基于项目和基于用户的。但算法会自动推断出TopicsOfInterest（因子）。例如，Apache Spark包含一个alternating least squares (ALS)算法的实现。 Spark的API有userFeatures方法，该方法返回（大致）矩阵，预测用户对每个要素的态度。

剩下要做的唯一事情就是计算一组最相似的用户到一个给定的用户（例如找到最接近给定的用户的那个用户，由cosine similarity）。