见表3-4。因此基于商品维度又叫作列相似性。表3-4基于商品维度推荐商品两种维度的算法各有优缺点，衡量使用哪个算法的标准主要是选取参照物较少的维度。例如，电商平台相对于庞大的用户群体来说，商品相对固定，商品之间的关系变化也较少，因此以商品为参照物可以大大减少计算的量级和复杂度；而新闻类则相反，用户相对于内容来说更为稳定，则使用用户为参照物，处理起来更为便捷。同时，基于商品维度的算法相对于基于用户维度的算法，其结果集更为稳定，但丰富性相对较低。因此，如何取舍要依赖于平台对推荐的实际业务要求。更多的时候可以使用混合算法，即按照一定的配比，从多种算法中获取商品，并进行去重、加权和排序等。一般来说，在使用协同过滤算法的时候有几个技巧。
修正了余弦相似度算法对于绝对数值不敏感的问题。
结构如图3-21所示。[声明]本网转载网络媒体稿件是为了传播更多的信息，此类稿件不代表本网观点，本网不承担此类稿件侵权行为的连带责任。故此，如果您发现本网站的内容侵犯了您的版权，请您的相关内容发至此邮箱【qin@198bona.com 】，我们在确认后，会立即删除，保证您的版权。
