ItemCF 的实现、公式与常见改进
哪些公司问过
答案要点
- 基础相似度:sim(i,j)=|N(i)∩N(j)|/√(|N(i)||N(j)|),基于用户行为共现并惩罚热门物品
- 打分公式:score(u,i)=Σ_{j∈N(u)∩S(i,K)} sim(i,j)·r(u,j),按分数排序推荐
- 实现:用户-物品倒排表统计共现,离线算好每个物品的 TopK 相似列表,线上查表
- 改进:IUF 惩罚活跃用户、相似度归一化、热门惩罚指数、时间衰减
- Swing 等方法利用用户对的共同行为结构,降低偶然共现噪声
易错点
- 不做热门惩罚,导致所有物品都和爆款最相似
- 不处理超活跃用户,单个用户产生平方级共现,既拖慢计算又引入噪声
- 线上实时两两计算相似度,没有离线预计算 TopK
面试官常见追问
- 你在项目中对 ItemCF 做了哪些优化?
- ItemCF 和 UserCF 怎么选?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。