Collaboration Filter
    UserCF原理：UserCF给用户推荐那些和他具有共同兴趣爱好的用户喜欢的物品
    ItemCF原理：ItemCF给用户推荐那些和他之前喜欢的物品类似的物品
    UserCF的推荐更社会化，反映了用户所在的小型兴趣群体中物品的热门程度；而ItemCF的推荐更加个性化，反映了用户自己的兴趣传承
    UserCF适合于新闻推荐的原因：

    • 热门程度和时效性是个性化新闻推荐的重点，而个性化相对于这两点略显次要
    • UserCF需要维护一个用户兴趣相似表，而ItemCF需要维护一个物品相似表，在新闻推荐系统中物品的更新速度是很快的，那么如果采用ItemCF的话，物品相似度表也需要很快地更新，这是难以实现的

    ItemCF适合于图书、电子商务和电影网站的原因：

    • 用户的兴趣是比较固定和持久的
    • 这些系统中用户不太需要流行度来辅助他们判断一个物品的好坏，而是可以通过自己熟知的领域的知识自己判断物品的质量

    UserCF的适用场合：

    • 用户较少的场合，如果用户很多，计算用户相似度度矩阵代价很大（新闻网站）
    • 时效性较强，用户个性化兴趣不太明显的领域
    • 不需要给出令用户信服的推荐解释

    ItemCF的适用场合：

    • 适用于物品的数量明显小于用户的数量的场合，如物品很多（网站），计算物品的相似度矩阵代价很大
    • 长尾物品丰富，用户个性化需求强烈的领域
    • 需要利用用户的历史行为给用户做推荐解释，可以令用户比较信服