常用推荐算法

推荐算法	优点	缺点
基于内容的推荐算法	1. 不存在新物品的冷启动问题 2. 不受打分稀疏性约束 3. 列出推荐项目的内容特征,具有可解释性	1. 无法处理多媒体数据 2. 两个不同的项目用相同特征词表示无法区分 3. 存在新用户冷启动问题 4. 推荐结果多样性较差
协同过滤推荐算法	1. 能够处理多媒体等非结构化数据 2. 系统自动化程度高 3. 推荐结果丰富 4. 推荐结果具有可解释性	1. 存在打分稀疏性问题 2. 存在新用户和新物品冷启动问题 3. 存在算法可扩展性问题
基于知识的推荐算法	1. 不受打分稀疏性约束 2. 避免新用户和新物品冷启动问题 3. 推荐结果具有可解释性	1. 算法可扩展性较差 2. 需要构建知识库 3. 受到知识表示方法的约束
基于语义的推荐算法	1. 算法具有可扩展性 2. 不受打分稀疏性约束 3. 发掘用户和项目间的隐含语义信息 4. 提高推荐准确率和多样性	1. 存在新用户和新物品冷启动问题 2. 受到数据获取技术的约束 3. 需要构建领域本体