Saya ingin tahu bagaimana tepatnya rekomendasi berbasis pengguna mahout dan berbasis item berbeda satu sama lain.
Ini mendefinisikan itu
Berbasis pengguna : Rekomendasikan item dengan mencari pengguna yang serupa. Ini seringkali lebih sulit untuk diukur karena sifat dinamis dari pengguna.
Berbasis item : Hitung kesamaan antara item dan buat rekomendasi. Item biasanya tidak banyak berubah, jadi ini seringkali dapat dihitung secara off-line.
Tetapi meskipun ada dua jenis rekomendasi yang tersedia, apa yang saya pahami adalah bahwa kedua ini akan mengambil beberapa model data (katakanlah 1,2 atau 1,2, .5 sebagai item1, item2, value atau user1, user2, nilai di mana nilai tidak wajib) dan akan melakukan semua perhitungan sebagai ukuran kemiripan dan fungsi bawaan rekomendasi yang kami pilih dan kami dapat menjalankan rekomendasi berdasarkan pengguna / item pada data yang sama (apakah ini asumsi yang benar ??).
Jadi saya ingin tahu bagaimana tepatnya dan di mana semua aspek dari kedua jenis algoritma ini berbeda.