协同过滤推荐算法

推荐算法介绍：

1.个性化推荐

基于用户推荐：

根据用户的注册信息对用户进行分类，给用户推荐她所属分类中的用户喜欢的物品

基于内容推荐：

根据用户过去的浏览记录，向用户推荐用户没有接触过的推荐项。

协同过滤推荐：

协调过滤是推荐算法中目前最主流的种类，花样繁多，在工业界已经有了很多广泛的应用。它的优点是不需要太多特定领域的知识，可以通过基于统计的机器学习算法来得到较好的推荐效果。最大的优点是工程上容易实现，可以方便应用到产品中。目前绝大多数实际应用的推荐算法都是协同过滤推荐算法。

基于规则的推荐：

基于最多用户点击，最多用户浏览等，在目前的大数据时代并不主流。

基于人口信息的推荐：

简单的根据系统用户的基本信息发现用户的相关程度，然后进行推荐，目前在大型系统中已经较少使用。

 

协同过滤算法(Collaborative Filtering)是一种基于一组兴趣相同的用户或项目进行的推荐，它根据邻居用户（与目标用户兴趣相似的用户）的偏好信息产生对目标用户的推荐列表。协同过滤是在海量数据中挖掘出小部分与你品味类似的用户，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的东西组织成一个排序的目录推荐给你（如下图所示）。