基于邻域的算法

仅基于用户行为数据的推荐算法是协同过滤算法，应用最广的是基于邻域的算法。是基于统计的方法。大体分为两种，一是基于用户的协同过滤算法，二是基于物品的协同过滤算法。

一、基于用户的协同过滤算法（已被应用于邮件过滤和新闻过滤中）——UserCF

1.原始算法（参数：K）

总体思路：先找到有相似兴趣的其他用户，然后把那些用户喜欢、而用户A没有听说过的物品推荐表给A。由此可知，该算法主要由两个步骤：

1）找到和目标用户兴趣相似的用户集合。关键是计算两个用户的兴趣相似度，主要利用行为的相似度来计算。

2）找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户。

技术点：

（1）用户兴趣相似度计算：给定两个用户u和v，看其分别有过正反馈的物品集合N(u)和N(v)。这个我理解为：一个表的ID是用户，对应的内容是其有过反馈的物品

Jaccard公式如下：

                                                                                      

或者用余弦相似度（较常用）：