最近做一个NLP项目，必须对很多自然语言处理算法进行了解，主要用Python，因为Python在人工智能上的支持相对比较好的，下面说说UserCF和ItemCF的区别和应用。
UserCF算法的特点：
较少的用户场合，否则用户相似度矩阵计算起来很昂贵适用于时效性强，用户友好性较低的地区
对新用户不友好，对新项目友好，因为用户相似度矩阵不能实时计算
很难提供用户强制的建议
相应地，ItemCF算法的功能如下：
适用于项目数量明显少于用户数量的场合，否则项目相似度矩阵计算起来很昂贵
适用于长尾项目丰富且用户需求强烈的地区
由于项目相似度矩阵不需要强实时性（cosα=（A * B）/（|| A || * || B ||）），所以对用户友好且对新项目不友好。
使用用户历史记录行为作为推荐的解释让用户更加信服
因此，可以看出，UserCF适用于项目快速增长且具有高实时性能的场合，例如新闻推荐。在图书，电子商务和电影领域，如京东，天猫和优酷，ItemCF可以充分利用其优势。在这些网站中，用户的兴趣更加固定和持久，并且这些网站上的更新不会特别快。
为期一天的更新在公差范围内。
模型评估指标：准确性，召回率，覆盖率，新颖性，惊喜性，实时性
总结：人工智能伪原创工具 小发猫伪原创 采用这些技术开发。