2018-12-29 阅读量: 1244
协同过滤与CBF相比具有一些主要优势，因为它可以在没有与项目相关的内容很多的领域中执行，并且内容很难被计算机系统分析（例如意见和理想）。此外，CF技术能够提供偶然的推荐，这意味着它可以推荐与用户相关的项目，即使内容不在用户的个人资料中。尽管CF技术取得了成功，但它们的广泛使用已经揭示了一些潜在的问题如下：
这是指推荐者没有足够的关于用户或项目的信息以进行相关预测的情况。这是降低推荐系统性能的主要问题之一。此新用户或项目的个人资料将为空，因为他没有评定任何项目; 因此，他的品味不为系统所知。
这是由于缺乏足够的信息而导致的问题，即当用户仅对数据库中可用的项目总数中的一小部分进行评分时。这总是导致稀疏的用户项矩阵，无法找到成功的邻居，最后导致弱推荐的产生。此外，数据稀疏性总是会导致覆盖问题，即系统中可以为提出建议的项目百分比。
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar
