摘要： 作者：付昭-HooIng一：定义根据一组用户的的喜好去推荐和预测其它用户的的未知喜好选择二：分类内存依赖，模型依赖，混合CF（1） 基于内存的协同过滤。这种类型的协同过滤的思想是假设人与人之间的行为具有某种程度的相似性，也就是说行为类似的顾客会购买相类似的产品。基于内存的推荐算法推荐速度快，能反映最新的商品评分。但是由于算法需要将整个用户数据库调入内存，因此产生推荐非常耗时，而且推荐实时性难以保证。（2） 基于模型的协同过滤。此算法首先通过聚类，贝叶斯网络，关联规则或者机器学习方法来构建使用者兴趣模型，进而利用此模型来产生推荐。由于建立的模型比原始数据集要小的多，因此算法的实时性问题得到很大的 阅读全文