Je voudrais savoir en quoi les recommandations basées sur les utilisateurs de mahout et sur les articles diffèrent les unes des autres.
Il définit que
Basé sur l'utilisateur : recommandez des articles en trouvant des utilisateurs similaires. Ceci est souvent plus difficile à mettre à l'échelle en raison de la nature dynamique des utilisateurs.
Basé sur les articles: calculez la similitude entre les articles et faites des recommandations. Les éléments ne changent généralement pas beaucoup, donc cela peut souvent être calculé hors ligne.
Mais bien qu'il existe deux types de recommandations disponibles, ce que je comprends, c'est que ces deux prendront un certain modèle de données (disons 1,2 ou 1,2, 0,5 comme item1, item2, value ou user1, user2, value where value is not obligatoire) et effectuera tous les calculs en tant que mesure de similitude et fonction intégrée de recommandation que nous avons choisies et nous pouvons exécuter la recommandation basée sur l'utilisateur / l'élément sur les mêmes données (est-ce une hypothèse correcte ??).
Je voudrais donc savoir comment exactement et sous quels aspects ces deux types d'algorithmes diffèrent.
la source