基于用户的协同过滤算法

在推荐系统中，该算法出现最早。在2000年之前，都十分著名。

基本思想

俗话说“物以类聚、人以群分”，拿看电影这个例子来说，如果你喜欢《蝙蝠侠》、《碟中谍》、《星际穿越》、《源代码》等电影，另外有个人也都喜欢这些电影，而且他还喜欢《钢铁侠》，则很有可能你也喜欢《钢铁侠》这部电影。所以说，当一个用户 A 需要个性化推荐时，可以先找到和他兴趣相似的用户群体 G，然后把 G 喜欢的、并且 A 没有听说过的物品推荐给 A，这就是基于用户的系统过滤算法。

步骤：

1. 倒排法-为了避免计算显然不相关的两个用户相似度，减少计算开支；

2. 找到与目标用户兴趣相似的用户集合；

3. 找到这个集合中用户喜欢，并且目标用户没有购买的物品推荐给目标用户。

发现兴趣相似用户

倒排法

首先将用户–物品表转化为物品–用户表（倒排表）；

然后根据倒排表画出相似度矩阵（比如倒排表第一行说明AB BC AC有关联，就在矩阵中置1，第二行说明AC有关联，又加1变为了2）

矩阵中为0的我们就不需要去计算它们的兴趣相似度了。

得到用户相似度之后，我们开始计算用户对物品的兴趣度。