1.基于物品的协同过滤推荐算法理解

基于物品的协同过滤推荐算法可以概括为以下两个步骤：

1. 计算物品之间的相似度
2. 对用户的历史行为进行分析，计算物品相似度进而为用户产生推荐列表，我们可以利用如下的公式对物品与物品之间的相似度进行计算：

其中N(i)表示喜欢物品i的用户数，N(j)表示喜欢物品j的用户数。

       从上面的公式中，我们可以看出，当两个物品同时被很多用户喜欢的时候，这两个物品也就有了相似度，换句话说就是用户的历史兴趣和爱好可以为喜欢的物品贡献相似度。所以再次就存在这样的假设，用户他们的兴趣仅仅局限在有限个方面，所以如果用户的兴趣列表中包含两件物品，那么所包含的这两件物品就局限于非常个别的领域，如果两个物品被包含在很多用户感兴趣的类表中，那么这两个物品应该属于相同的领域，他们就有了很大的相似度。

      再通俗点说：很多人都同时喜欢物品A和物品B，那么物品A和物品B之间就存在着一定的联系，那么一位新用户，喜欢了物品A，此时就可以推荐物品B给他。比如：大量用户喜欢吃汉堡搭配可乐，汉堡和可乐之间就有一定的联系程度，这样当一位新用户购买了汉堡，此时就可以推荐给他可乐。