協同過濾推薦演算法是一種主流的、目前廣泛應用在工業界的推薦演算法。
一般，協同過濾推薦分為三種型別。
基於專案的協同過濾演算法，類似於基於使用者的協同過濾，只是這往往是根據使用者的行為判斷物品的相似度（並不是根據物品的本身來判斷物品相似度）。通過尋找物品和物品之間的相似度，向目標使用者推薦與其喜歡的物品相似度高的其他物品。即對相似度高的類似物品進行**，將評分最高的若干個相似物品推薦給使用者。
典型使用了基於專案的協同過濾演算法的就是亞馬遜的推薦系統。
基於模型的協同過濾演算法，不同於上述兩種，它往往使用機器學習演算法來**使用者對於某個物品的評分，一般來說，推薦系統會由 m 個使用者和 n 個物品，使用者對其中的部分物品進行評分，推薦系統中，物品數量往往及其巨大，單個使用者不會對所有物品產生評分，所以使用者-物品矩陣一般是乙個稀疏矩陣。此時，只有部分使用者和部分資料之間是有評分資料的，其它部分評分是空白，此時我們要用已有的部分稀疏資料來**那些空白的物品和資料之間的評分關係，找到最高評分的物品推薦給使用者。
一般對於這個問題，可以用機器學習的來建模解決，主流的方法可以分為：關聯演算法，聚類演算法，分類演算法，回歸演算法，矩陣分解，神經網路,圖模型以及隱語義模型等。
矩陣分解在協同過濾推薦演算法中的應用
協同過濾推薦演算法 協同過濾推薦演算法總結
推薦演算法具有非常多的應用場景和商業價值，因此對推薦演算法值得好好研究。推薦演算法種類很多，但是目前應用最廣泛的應該是協同過濾類別的推薦演算法，本文就對協同過濾類別的推薦演算法做乙個概括總結，後續也會對一些典型的協同過濾推薦演算法做原理總結。推薦演算法概述 1 基於內容的推薦 這一類一般依賴於自然語...
協同過濾推薦演算法 推薦演算法 基於協同過濾CF
前邊我們已經介紹了推薦演算法裡的基於內容的推薦演算法cb，今天我們來介紹一下基於協同的推薦演算法collaboration filtering cf 協同過濾是乙個利用群體智慧型的乙個演算法，舉乙個簡單的例子，如果放假了你想去北京玩幾天，但是不知道北京都有哪些好玩的，你會怎麼做？你可能會上網查一下的...
協同過濾推薦演算法
協同過濾推薦演算法 分為基於使用者的協同過濾推薦usercf和基於物品的協同過濾推薦itemcf。介紹見 協同過濾的實現步驟 1 指導思想 這種過濾演算法的有效性基礎在於 1 使用者偏好具有相似性，即使用者可分類。這種分類的特徵越明顯，推薦準確率越高 2 物品之間具有相似性，即偏好某物品的人，都很可...