推荐系统之基于用户的协调过滤

在如何海量的数据时代，如何从海量的商品中选择相关产品？在1100万首iTunes曲目中，肯定有一部分音乐是你特别喜爱的，那么该如何找到它们呢？
- 专家点评推荐（影评家）
- 通过商品本身寻找（我喜欢披头士的一张专辑，所以会认为他们的另一张专辑也不错）

数据挖掘不仅仅是用来推荐商品，或是单单给商人增加销量，同时也能扩展我们的能力，让我们能够处理海量的数据，如让潘多拉音乐站提供个性化的音乐列表。数据挖掘的重点在于找到数据中的模式。

协调过滤

利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。

协调过滤的实现的三步骤：收集数据——找到相似用户和物品——进行推荐

---

数据集来源：

1. 用户的浏览记录
2. 其他浏览过该商品的用户的浏览记录

找到相似用户

这里可以用距离表示，即找到距离最近的两个用户。

计算距离的算法有以下几种：

1. 曼哈顿距离