基于使用者協同與基于物品協同的差別

基于使用者的協同過濾和基于物品的協同過濾在算法上非常類似，兩者的主要優缺點從以下幾個方面考慮：

1. 從推薦場景考慮

ItemCF利用物品間的相似性做推薦，當使用者數量遠遠超過物品數量時，就可以使用ItemCF，比如所一些購物網站，音樂網站，其物品資料相對穩定，且不必頻繁更新；UserCF更适合做新聞、部落格等推薦系統，其内容更新頻率高。特别是在社交網絡中，UserCF是一個更好的選擇，可以增加使用者對推薦解釋的信服程度。

UserCF是推薦使用者所在興趣小組中的熱點，更加注重社會化，而ItemCF則是根據使用者的曆史行為推薦相似物品，更加注重個性化。

1. 在系統多樣性名額下

也稱為覆寫率，指一個推薦系統能否為使用者提供多種選擇。在該角度下，ItemCF要遠遠好于UserCF，因為UserCF更加傾向于推薦熱門的物品。ItemCF有着更好的新穎性表現，容易發現推薦長尾中的物品。

UserCF經常推薦熱門物品，是以在長尾推薦中表現不好；而ItemCF隻推薦A領域給使用者，這樣在有限的推薦清單中，就可能包含了一定數量的非熱門的長尾物品。ItemCF對單一使用者而言，多樣性表現不足，但是對整個系統而言，因為不同使用者的主要興趣點不同，是以系統的覆寫率會比較好。

1. 使用者特點對推薦算法的影響

對于UserCF，推薦的原則是假定使用者會喜歡和他有相同喜好的其它使用者喜歡的物品。但如果使用者找不到與其有共同喜好的鄰居使用者，則UserCF的效果就會變差。

對于ItemCF，其推薦的原則是假定使用者喜歡他之前喜歡的同類型的相似物品。