标签:style color 使用 sp strong 数据 on bs line
Mahout有很多推荐的实现,下面对各自特点进行介绍:
1、GenericUserBasedRecommender:
基于用户的推荐,用户数量相对较少时速度较快。
2、GenericItemBasedRecommender:
基于物品的推荐,物品数量较少时速度较快,外部提供了物品相似度数据后会更加有效率。
3、SlopeOneRecommender:
基于slope-one算法(想想那个填空的表格吧)的推荐,在线推荐或更新比较快,需要先下大量的预处理运算。物品数量相对较少时使用比较合适。
4、SVDRecommender:
效果不错,和slope-one一样,事先需要大量的预处理运算。
5、KnnItemBasedRecommender:
基于最近邻算法的推荐器,物品数量较小时表现良好。
6、TreeClusteringRecommender:
基于聚类的推荐器,在线推荐较快,同时也需要事先大量预处理运算,用户数量相对较少时表现良好。
标签:style color 使用 sp strong 数据 on bs line
原文地址:http://my.oschina.net/CandyDesire/blog/338853