Некоторые недостатки чистого применения коллаборативной фильтрации в рекомендательных системах:

• Разреженность данных. 13 Обычно большие коммерческие рекомендательные системы основаны на большом количестве данных, при этом большая часть пользователей не ставит оценок. 1 Из-за этого матрица «предмет-пользователь» получается большой и разреженной, поэтому иногда трудно подготовить релевантные рекомендации. 1
• Масштабируемость. 13 При постепенном росте количества пользователей рано или поздно может возникнуть проблема масштабируемости. 1 Например, если в магазине 20 000 товаров и 50 000 пользователей, их придётся перемножать между собой, а это — миллиард вариантов. 2
• Проблема холодного старта. 13 С новыми товарами и пользователями работать сложнее всего. 2 С первыми разработчики научились справляться за счёт применения отдельных атрибутов, поэтому даже новинки легко встраиваются в рекомендации. 2 Работу с пользователями сопровождает больше трудностей, так как информация о них полностью отсутствует. 2
• Синонимия. 12 Некоторые товары могут быть очень похожими по характеристикам или вообще одинаковыми, но отличаться по названию. 2 В таком случае система распознаёт их как два отдельных товара. 2
• Мошенничество. 12 Оценки может ставить кто угодно, поэтому ими легко манипулировать. 2 Например, компания сама поставит хорошие оценки своим товарам, а конкурентам напишет отрицательные отзывы. 2
• «Белые вороны». 12 Мнение отдельных пользователей иногда сильно отличается от остальных. 2 Это связано с разными причинами, и обычно разработчики не обращают внимания на такую проблему. 2