关于LFM和itemcf对比问题，谢谢

Question

老师您好，有如下几个问题，谢谢：
（1）看了您给别的同学回复，明确的说了usercf在0-1系统初期使用，中后期在user量级大于item时，会使用itemcf。但还是不太清楚LFM会在什么场景下使用？
（2）关于LFM和itemcf，从推荐召回的效果这个维度有可比较性吗？
（3）在电商中，在不同场景下都有推荐，比如首页、商详页。商详页的推荐，是在用户的购买目的性较明确情况下的推荐；而首页的推荐，用户偏逛、购物目的不那么明确，在这种场景下的推荐。这些场景维度，可以作为LFM和itemcf选择的考量点吗？或者，在商详推荐和首页推荐，一般会选用不同的召回算法吗？如果会，一般都各使用什么召回算法？
（4）LFM是根据一段时间的点展矩阵得到的user的item的隐向量，根据这些隐向量得到的用户的toplike，可以认为是用户的一些长期偏好吗？而itemcf可以对用户的即时偏好，给予响应？

Answer 1

David 2019-03-14 18:49:56

（1）LFM得到用户的向量和item的向量，所以既可以完成user-to-item的推荐，也可以完成item-to-item的推荐。所以都可以。

（2）cf更多依赖共现，LFM是基于用户的点击展示矩阵，借助监督学习学出隐向量。课程里说过，多路召回能够丰富召回的维度。

（3）召回都是多路召回，然后在排序model上可能目标不同，一个可能是点击率model，另一个可能是转化率model。

（4）LFM既可user-to-item 长期偏好，也可以item-to-item短期偏好。 谢谢如果课程对您有帮助请给课程一个评价。

• 提问者 慕虎5084663 #1

  非常感谢！

• 提问者 慕虎5084663 #2

  您说的多路召回，指的是同时用多种召回算法？那您一般在工业实践中，都会优先用到哪些召回算法组合？谢谢

• 提问者 慕虎5084663 #3

  您说，LFM既可user-to-item 长期偏好，也可以item-to-item短期偏好。是通过时间窗口来控制的么？比如半年生成的矩阵，就是长期偏好；近几天生成的矩阵，就是短期偏好？