协同过滤_概念

摘自百度百科：协同过滤简单来说是利用某兴趣相投、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。
协同过滤又可分为评比（rating）或者群体过滤（social filtering）协同过滤以其出色的速度和健壮性，在全球互联网领域炙手可热。

简言之，自己喜欢的留下，不喜欢的过滤。
发展简史：
Tapestry（1992）->GroupLens（1994）->电子商务的推荐系统
缺点：新用户的推荐针对性不高，冷启动问题，新项目取决于历史的数据集；
数据具有稀疏性，例如商品的数据量很多很多，购买的商品知识其中的某一部分，而这一部分的占比非常的低；
算法的扩展性。

协同过滤算法主要有两种，一种是基于用户的协同过滤算法（UserCF），另一种是基于物品的协同过滤算法（ItemCF）。
基于用户的协同过滤算法主要有两步：

• 找到和目标用户兴趣相似的用户集合
• 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。
  基于物品的协同过滤算法主要有两步：
• 计算物品之间的相似度。
• 根据物品的相似度和用户的历史行为给用户生成推荐列表。
  电子商务一般会选择物品的协同过滤。