我正在阅读wikipedia上的推荐系统，而“算法”部分似乎暗示K最近邻和基于协作过滤的用户算法是两回事。它是否正确？鉴于我的理解，他们俩都不一样吗？如果没有，它们之间有什么区别？感谢。
答案 0 :(得分：15)
不完全是。它们是相似的（它们有相同的想法），但它们之间有几个主要的区别。事实上，维基百科上的文章仅描述了实现推荐系统的两种最不同的方式，但是有更多的方法使用这两种方式的想法。
所以这就是我对维基百科文章的理解。
首先，KNN不是第一种方法的主要特征。它只是一个在整个集合中查找最近项的算法，因此它也可以用于协同过滤。最重要的想法在于术语“相似性”。要向相关用户推荐某些内容，您会发现他所在社区中有类似个人资料的人。例如，您想在Facebook上为用户John推荐。你看看他的Fb个人资料，然后看看他朋友的个人资料。你找到10个有相似个人资料的人，并检查他们喜欢什么。如果10个人中有8个像新电影一样有类似的配置文件，那么John很可能也喜欢它。
所以，这里有两个要点：
维基百科的文章不包括如何找到相似性度量的问题，但有很多方法，包括在配置文件的文本中搜索常用术语，找到最好的朋友（我之间的消息数量，连接图分析等）和许多其他人。
在第二种方法中，您不需要分析邻域并找到类似的配置文件，但您需要收集用户选择。让我们回想一下Facebook用户John的一个例子。想象一下，我们可以获得所有Fb用户的所有“喜欢”，包括John的用户。使用它们，您可以构建非常大的相关矩阵，其中行是用户ID，列是他们可能“喜欢”的所有可能项目。如果实际“喜欢”某个项目，则当前用户和当前项目的单元格设置为1，否则为0。
使用这样的矩阵（构建或抽象），您可以使用association mining来查找最强大的关联。例如，喜欢“加勒比海盗2”的10000人也喜欢“加勒比海盗3”，但只有500人喜欢“Saw”。所以我们可以假设2集“海盗”之间的联系更强。请注意，我们既没有分析用户，也没有分析电影本身（我们没有考虑电影名称，情节，演员或类似的东西 - 只有“喜欢”）。这是协同过滤相对于基于相似性的方法的主要优点。
最后，为了向用户John推荐电影，你只需迭代他的“喜欢”并找到与当前关联最强的其他项目。
所以，重要的一点是：
这两种方法都有其优点和缺点。第一种方法基于人们之间的某种联系（例如Facebook上的朋友），几乎不能用于像亚马逊这样的服务。同时，第二种方法基于所有用户的平均偏好，因此对于具有高度不同优惠的系统而言不是好的选择。
答案 1 :(得分：0)
我将举例说明两种方法：
与询问你的朋友相比，这两种方法的区别与询问你的neigbhbours 几乎相同：
此外，在第一种情况下，您会看到K neighbourgh（这是一个固定号码），在第二种情况下，您会查看所有数据集。
在某些情况下，可以提供比另一种更好的建议：
例如：
如果我想买一台电视，我问我的朋友住在一个大房子里，他会建议我一个大屏幕。但是住在我旁边公寓的邻居会给我一个小小的建议，因为他的公寓里不适合他。 （与我的相似）。 所以我的邻居建议在这种情况下更好。
如果我想买一部电影，我最好的朋友会比我的邻居更明智地给我一个更好的建议。
答案 2 :(得分：0)
k最近邻居算法是更通用算法且与域无关，而基于用户的方法是特定于域的，并且可以被视为k最近邻方法的一个实例。
在 k个最近邻居方法中，您可以使用特定的相似性度量来确定与某个数据点 x 的k个最接近的数据点。然后，您可以使用该本地社区对 x 的某些（未知）属性进行一些预测，例如，它是class-label（分类）或某个属性值（回归）。数据点和 x 之间的接近度可以使用您定义的任何相似度函数进行测量（例如，欧几里得距离，余弦相似度）。此外，距离 x 较远的点对 x 感兴趣值的预测影响较小。例如，通过一些加权函数，您可以定义 x 附近的数据点的权重，与它们与 x 的距离成反比。直觉是， x 的点越远，对 x 的预测的影响就越小，因为它不太相似。最后，参数 k 确定要为构建该本地邻居而考虑的数据点数。
基于用户的最近邻居 是一种协作过滤方法，来自信息检索（IR）领域。您在问题中使用“基于用户”的事实意味着您引用的是特定域，通常基于某些用户行为，例如用户对哪些电影/产品进行了高评价/购买，以及该人可能会因此而喜欢其他电影。在此域中，丢失多个值的频率更高，例如几乎没有人评级或购买了大多数产品/服务。但是，您可以以等效于k最近邻居方法的方式来实现基于用户的最近邻居算法。再一次，您可以基于某些相似度函数计算 x （用户）与所有其他数据点（用户）之间的相似度，并使用< strong>加权功能。 x和其他数据点的相似性仅在非缺失值上定义，并且可以将k设置为包括所有数据点（但不是必需的）。为了加快计算x的局部邻域的速度，您可以使用诸如 Locality Sensitive Hashing 之类的技术，并且仅使用邻域的一个子集，其中k <<总数据集大小。在实践中，您可能希望预测 x 中的缺失值，表明用户以前从未购买/使用过服务。如果基于x的本地邻域，则预测缺少的值会很高，您可以使用它来向用户宣传该商品。
简而言之，基于用户的方法只是k-最近邻居算法的一个实例，该算法在信息检索的特定域中最常用。