我正在学习Coursera MooC的推荐系统。我看到主要有三种类型的过滤方法（在介绍课程中）
一个。基于内容的过滤
湾项目项协同过滤
C。用户 - 用户协同过滤
理解了这一点后，我不确定 - 基于兴趣/偏好的类似用户推荐属于哪里？例如，考虑我有User-＆gt; TopicsOfInterest0..n关系。我想根据各自的TopicsOfInterest（向量）推荐其他类似用户。
答案 0 :(得分：0)
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）都是基于项目和基于用户的。但算法会自动推断TopicsOfInterest（因子）。例如，Apache Spark包含alternating least squares (ALS)算法的实现。 Spark的API有userFeatures方法，它返回（粗略）矩阵，预测用户对每个特征的态度。
剩下要做的唯一事情是计算一组最相似的用户到一个给定的用户（例如，通过cosine similarity找到最接近给定用户的向量。）