recommendation-engine - User Based CF 或 Item Based CF 需要多少数据才能给出推荐？

Question

User CF, Item CF 需要多少数据才能给出推荐？

我手动创建了一个小数据集，所以我可以很好地理解算法是如何工作的。
我发现对于我创建的小数据集，Slope-One可以给推荐，User CF或者Item CF不能给推荐。

背后的原因是什么？
数据量的阈值是多少？

Answer 1

在基于用户和项目的 CF 中，数据集的大小可以非常小。重要的部分是项目和数据集中用户之间的映射频率。如果一个用户在数据集中只存在一次，基于用户的 cf 很可能不会给出推荐。因为一个共同的项目不会提供两个用户成为邻居的阈值相似度。
上面的解释只是一个例子。对于像 1000 个数据这样的小数据集，两个推荐器都会给出最相似的项目和推荐方法的答案。然而，对于小得多的数据集，无论是否有足够的关于查询的用户/项目 ID 的信息，手动控制数据是很有用的。
在 this链接您可以找到一个非常小的受控数据集来创建基于项目的 CF 及其工作原理。我希望这个答案有帮助。