基于用户协同与基于物品协同的区别

基于用户的协同过滤和基于物品的协同过滤在算法上非常类似，两者的主要优缺点从以下几个方面考虑：

1. 从推荐场景考虑

ItemCF利用物品间的相似性做推荐，当用户数量远远超过物品数量时，就可以使用ItemCF，比如所一些购物网站，音乐网站，其物品数据相对稳定，且不必频繁更新；UserCF更适合做新闻、博客等推荐系统，其内容更新频率高。特别是在社交网络中，UserCF是一个更好的选择，可以增加用户对推荐解释的信服程度。

UserCF是推荐用户所在兴趣小组中的热点，更加注重社会化，而ItemCF则是根据用户的历史行为推荐相似物品，更加注重个性化。

1. 在系统多样性指标下

也称为覆盖率，指一个推荐系统能否为用户提供多种选择。在该角度下，ItemCF要远远好于UserCF，因为UserCF更加倾向于推荐热门的物品。ItemCF有着更好的新颖性表现，容易发现推荐长尾中的物品。

UserCF经常推荐热门物品，所以在长尾推荐中表现不好；而ItemCF只推荐A领域给用户，这样在有限的推荐列表中，就可能包含了一定数量的非热门的长尾物品。ItemCF对单一用户而言，多样性表现不足，但是对整个系统而言，因为不同用户的主要兴趣点不同，所以系统的覆盖率会比较好。

1. 用户特点对推荐算法的影响

对于UserCF，推荐的原则是假定用户会喜欢和他有相同喜好的其它用户喜欢的物品。但如果用户找不到与其有共同喜好的邻居用户，则UserCF的效果就会变差。

对于ItemCF，其推荐的原则是假定用户喜欢他之前喜欢的同类型的相似物品。