如何理解协同过滤？

协同过滤可以简单理解为人们对“人以群分，物以类聚”算法解释和应用。

人以群分——基于用户的协同过滤

基于用户的协同过滤主要基于的是用户之间的相似度（依赖用户的历史喜好数据），先计算用户之间的相似度，然后将用户喜欢的物品推荐给相似用户。也就是说，当用户需要个性化推荐时，可以先找到与他相似其他用户（通过兴趣、爱好或行为习惯等），然后把那些相似用户喜欢的并且自己不知道的物品推荐给用户。

物以类聚——基于物品的协同过滤

基于项目(item-based)的协同过滤基于物品之间的相似度，先计算物品之间的相似度，然后根据用户对物品的评分，将用户喜欢物品的相似物品推荐给用户。也就是说，当一个用户需要个性化推荐时，例如由于他之前购买过《集体智慧编程》这本书，所以会给他推荐《机器学习实战》，因为其他用户很多都同时购买了这两本书。

基于用户协同过滤与基于物品协同过滤的区别

基于用户的协同过滤需要在线（系统上线后）找用户和用户之间的相似度关系，计算复杂度肯定会比基于物品的协同过滤高。同时还需考虑推荐算法的冷启动问题（如何在没有大量用户数据的前提下能够让用户对推荐结果满意），比如可以通过用户注册时让用户选择自己感兴趣的领域，生成粗粒度的推荐。

基于用户的协同过滤是给用户推荐那些和他有共同兴趣的用户喜欢的物品，所以基于用户的协同过滤推荐较为社会化，即推荐的物品是与用户兴趣一致的那个群体中的热门物品，同时能够推荐给用户新类别物品。

基于物品协同过滤则是为用户推荐那些和他之前喜欢的物品类似的物品，基于物品协同过滤的推荐较为个性，因为推荐的物品一般都满足自己的独特兴趣，所以比较是适应于用户个性化需求强烈的领域，但由于物品的相似度比较稳定，很难推荐给用户新类别的物品。

什么是协同过滤 修改别人网站源代码 协同过滤有哪些类型

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。