寒神解释：某些用户的倾向性和品味没有一致性，比较散。因此在协同过滤这种算法里，没办法和某个group有很高的相似/一致度，推荐会失效。
我理解是寻找邻居时候计算得到的相似度和其他用户相似度都非常小，或者说都低于阈值，这样由于没有邻居，那么就不是CF了。
协同过滤中的Grey Sheep问题
2016-01-11
860
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
寒神解释：某些用户的倾向性和品味没有一致性，比较散。因此在协同过滤这种算法里，没办法和某个group有很高的相似/一致度，推荐会失效。
我理解是寻找邻居时候计算得到的相似度和其他用户相似度都非常小，或者说都低于阈值，这样由于没有邻居，那么就不是CF了。
目录
相关文章
|
4月前
|
机器学习/深度学习
搜索推荐
算法
|
3月前
|
算法
搜索推荐
数据挖掘
|
4月前
|
搜索推荐
算法
|
10月前
|
算法
搜索推荐
数据挖掘
|
12月前
|
算法
搜索推荐
|
搜索推荐
测试技术
推荐系统：协同过滤
可以根据产品元数据计算的，提供制定推荐的选择，推荐与用户过往购买过的产品相关性最相似的产品，今天我们来聊聊如何通过利用用户和产品之间的相似性提供建议的方法。
协同过滤是一种利用用户和产品之间的相似性提供建议的方法。协同过滤分析相似的用户或相似评级的产品，并根据此分析推荐用户。
174
0
0
|
人工智能
搜索推荐
算法
|
机器学习/深度学习
算法
搜索推荐
|
搜索推荐
算法
C++
|
搜索推荐
算法
数据挖掘
