协同过滤

一、基于用户的协同过滤

我们经常会找身边的朋友给我们推荐电影、电视剧，我们会发现一个规律，跟我们兴趣类似的人，推荐的往往比较符合我们口味。其实这就是基于用户的协同过滤。

上一篇文章《亚马逊和淘宝的"猜你喜欢"是怎么实现的？》[1]中谈到了，基于领域的协同过滤算法主要有两种，一种是基于物品的，一种是基于用户的。所谓基于物品，就是用户喜欢了X商品，我们给他推荐与X商品相似的商品。所谓基于用户，就是用户A和用户B相似，用户A买了X、Y，用户B买了X、Y、Z，我们就给用户A推荐商品Z。

基于物品的协同过滤的一个优点是容易解释推荐原因，第二个是电商网站中物品的相似度是相对不变的，物品相似度的矩阵维护起来相对容易。

使用基于物品的协同过滤，需要维护一个物品相似度矩阵；使用基于用户的协同过滤，需要维护一个用户相似度矩阵。可以设想，如果物品之间的相似度经常变化，那么物品相似度的矩阵则需要经常更新。如果物品经常增加，那么物品相似度的矩阵也会增长的非常快。新闻网站就同时具有这两个特点，所以基于物品的协同过滤并不适用于新闻的推荐。

 

二、谁在用基于用户的协同过滤

物品增长很快，同时物品之间相似度频繁变化的网站，并不适用基于物品的协同过滤，所以他们可以选择基于用户的协同过滤。目前业界使用基于用户的协同过滤作为推荐系统核心算法的并不多，今日头条是其中一个。个人认为，像简书、知乎这种，内容频繁增加，但是用户相似对相对固定的网站，也适合使用基于用户给的协同过滤。

今日头条核心算法负责人杨震原说：

一开始今日头条的推荐算法，首先入手的是"非个性化推荐"——解决的热门文章推荐，以及新文章冷启动的问题。……之后，今日头条开始逐步引入个性化推荐的策略。他们所采用的，是协同过滤+基于内容推荐，直到今天依然构成今日头条推荐算法的基础[2]。

他提到的算法有三种：1）热门推荐，2）协同过滤，3）基于内容推荐。

热门推荐就是优先推荐热门的文章。协同过滤就是通过物品、用户的相似度来推荐。基于内容的推荐，就是判断两篇文章是否相似，比如用算法判断两篇文章都是关于健身、饮食的，进而可以给喜欢这些内容的用户推荐这两篇文章。

本文会主要介绍基于内容的推荐。接下来的文章会介绍基于内容的推荐。关于热门推荐，大家可以参考《产品经理需要了解的算法——热度算法和个性化推荐》[3]，后面的文章可能也会介绍这一算法。

 

三、基于用户的协同过滤的算法

两用户之间的相似度的计算其实很简单，用户i与用户j的相似度 = （i、j都打开过的网页数）/根号（i或j打开过的网页总数）。这个计算与“基于物品的协同过滤”中的物品之间相似度的计算是类似的，大家可以参考《亚马逊和淘宝的"猜你喜欢"是怎么实现的？》[1]。

上面是一个用户相似度计算的案例[4]。我们试着计算A和D之间的相似度。从“用户打开过的网页”可以看出，A和D都打开过的网页只有d，也就是1个。用户A打开过的网页数=3，用户D打开过的网页数=3。所以A和D的相似度=1/根号（3*3）。其他的计算也是类似的。

有了用户之间的相似度之后，就可以计算推荐度了。假设e是刚刚发布的文章，这时候用户B、C、D都浏览到e新闻的标题，其中C、D点击了，我们就可以计算A对e的兴趣度。

A对e的兴趣度=A与B的相似度*B对e的兴趣度 + A与C的相似度*C对e的兴趣度 + A与D的相似度*D对e的兴趣度。 因为我们这里用的不是评分制，而是考虑是否点击，那么D点击了e，D对e的兴趣度=1。

A对e的兴趣度 = 1/根号(6)*1 +  1/根号(6)*1 +  1/根号(9)*1

所以，比如100篇新的文章出来之后，对部分用户进行了曝光，然后就可以根据用户相似度，来预计其他用户对这篇文章的兴趣度，进而挑选这100篇中预计兴趣度最高的30篇曝光给这群用户。

 

四、基于用户的协同过滤的缺陷

我们知道，今日头条的推荐，不单单用了协同过滤，还用了基于内容的推荐。刚刚的例子说到，新文章出来之后，必须选定一定量的用户来进行曝光，那么怎么选这一群用户呢？这个问题是协同过滤解决不了的。但是基于内容的推荐可以解决。