顾名思义,这是一个相对简单的问题。在这两种情况下,我们都计算两个项目之间的相似度(当然可以使用不同的度量)。我们会推荐与用户刚刚使用的项目最接近的项目。谁能向我解释一下这两者有何不同?
最佳答案
从概念角度来看, Content Based Recommender
是一个推荐系统,它不需要与聚类策略一起工作,相反,它可以实现任何策略。基于内容的推荐器可以应用分类、预测、聚类或合并所有这些策略来为我们称为Decision Support System
的东西提供推荐。 。
K-means
是一种使用数据集的属性作为向量并基于项目之间的欧氏距离的策略,它意味着给定的 k
数据集上每个项目所属的簇数。
一个Content Based Recommender
可以使用k-means
作为向 Decision Support System
提供建议的策略的一部分.
关于machine-learning - 基于内容的推荐和K均值聚类的区别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44809498/