user-based

两个用户A和B很相似,那么可以把B购买过的商品推荐给A(如果A没买过);例如你和你的师兄都是学机器学习的,那么你的师兄喜欢的书籍,你也很有可能喜欢

item-based

两个item:A和B很相似,那么某个用户购买过A,则可以给该用户推荐B。例如一个用户购买过《模式识别》这本书,它很有可能也喜欢《推荐系统》这本书。计算两个item是否相似的一种简单方法是,看看他们的共现概率,即他们被用户同时购买的概率

model-based

用机器学习的思想来建模解决,例如聚类、分类、PLSA、矩阵分解等

参考

  • https://maimai.cn/article/detail?fid=1170312617&efid=-F35kBMAyHRjNk71aY7ekA
  • [1] ItemBased Collaborative Filtering Recommendation Algorithms
  • [2] Amazon.com recommendations: Item-to-Item Collaborative Filtering
  • [3] The Link Prediction Problem for Social Networks
  • [4] facebook | WSDM’11 | Supervised Random Walks: Predicting and Recommending Links in Social Networks