協同過濾（collaborative filtering，簡稱cf）是目前最為流行的推薦演算法，它是根據具有相同興趣與生活經驗的群體的共同愛好推薦與使用者需求相符合的商品。在推薦過程中 cf演算法首先將使用者對於專案的評分矩陣作為輸入，輸入資料通過 cf 演算法計算出使用者或者專案的相似度，生成推薦列表最終完成推薦。cf演算法推薦流程圖如圖所示：只需要獲得使用者與專案間的關聯矩陣
同一群體中的乙個個體可以共享整個群體的經驗
可以嘗試為使用者推薦一些與其群體內容完全不同的資訊，來增加使用者的驚喜度，挖掘使用者的潛在興趣。
資料稀疏性問題，使用者只會對小部分的專案資訊評分，還存在不喜歡對瀏覽過的資訊評價的使用者，使得眾多專案資訊未被評分，導致評分矩陣稀疏性問題，找尋使用者間的相似關係變得困難從而影響推薦結果，同時，降低了推薦系統結果的專案覆蓋率。目前主要有兩種方法來解決這個問題：降維法和聚類法。
擴充套件性問題。難以找尋到目標使用者的最近鄰集，出現擴充套件性問題。
推薦系統 協同過濾
這是我學習推薦系統的筆記，主要參考的是51cto的一系列文章和人們郵電出版的 推薦系統實踐 首先說一下什麼是協同過濾。假如某寶要向你推薦一些商品，當然這些商品不是隨隨便便推薦的，推給你了就是引誘你去買，咱能賺到錢。那麼什麼樣的商品你有可能去買呢？系統或演算法怎麼找到這些商品呢？協同過濾就是幹這個的。...
推薦系統 協同過濾演算法
協同過濾，collaborative filtering，簡稱cf，廣泛應用於如今的推薦系統中。通過協同過濾演算法，可以算出兩個相似度 user user相似度矩陣 item item相似度矩陣。為什麼叫做協同過濾？是因為這兩個相似度矩陣是通過對方來計算出來的。舉個栗子 100個使用者同時購買了兩種...
推薦系統 協同過濾演算法
推薦系統構建三大方法 基於內容的推薦content based，協同過濾collaborative filtering，隱語義模型 lfm,latent factor model 推薦。這篇部落格主要講協同過濾。推薦系統 協同過濾collaborative filtering 協同過濾 collab...