원칙 UserCF : UserCF는 사용자 것을 권장하고 그의 기사가 공통의 관심사를 가지고 사용자에게 좋아
ItemCF 원칙 : 사용자에게 자신의 이전 즐겨 찾기 항목 및 항목에서 권장하는 것과 ItemCF 비슷한
UserCF는 사용자 항목의 작은 그룹의 이익을 반영하는 소셜 추천 인기 와 ItemCF 더 추천, 개인화를 유산에 사용자 자신의 관심을 반영,
적절한 뉴스 권장 이유 UserCF :
- 인기 및 적시성 초점이 뉴스 추천을 개인화하고,이 두 가지 다소 작은에 대한 개인화된다
- UserCF 필요가 비슷한 사용자 관심 테이블을 유지하고, ItemCF 비슷한 목록 항목을 유지하기 위해 필요, 뉴스 기사는 ItemCF 후, 유사성 테이블 항목은 곧 업데이트 할 필요가 그렇다면, 업데이트 속도가 매우 빠르고 시스템을 추천하는 달성하기 어렵다
ItemCF 책, 영화, 전자 상거래 웹 사이트의 이유에 적합 :
- 사용자의 관심은 고정 비교적 오래 지속된다
- 이러한 시스템의 지식은 그들이 항목의 품질을 판단하지만, 자신의 기사의 품질을 판단하는 것으로 알려져 자신의 분야에서 도움을 덜 사용자 인기를 필요
응용 프로그램의 UserCF :
- 적은 사용자 때, 많은 사용자가, 유사성 행렬을 계산하는 사용자가 비용이 많이 드는 경우 (뉴스 웹 사이트)
- 관심의 적시성 강력하고 사용자 개인화 덜 분명 영역
- 그 사용자는 설명 추천을 설득 제공 할 필요가 없습니다
응용 프로그램의 ItemCF :
- 이러한 항목 (사이트)에 많은 유의하게 적은 때, 사용자의 수보다 적합한 항목 수 유사성 행렬을 계산 비싼 상품 인
- 개인 영역에 대한 나가오 항목은 풍부하고 강력한 사용자 요구
- 사용자는 사용자에게 더 설득력을 만들 수 있습니다 설명 추천 할 사용자의 역사 동작을 사용할 필요가