协同过滤(
Collaborative Filtering
)推荐算法是最经典、最常用的推荐算法。
所谓协同过滤, 基本思想是
根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品
(
基于对用户历史行为
数据的挖掘发现用户的喜好偏向, 并预测用户可能喜好的产品进行推荐
)
,
一般是仅仅基于用户的行为数据(评价、购
买、下载等)
,
而不依赖于项的任何附加信息(物品自身特征)或者用户的任何附加信息(年龄, 性别等)
。目前应用
比较广泛的协同过滤算法是基于邻域的方法, 而这种方法主要有下面两种算法:
1.
基于用户的协同过滤算法
(UserCF)
:
给用户推荐和他兴趣相似的其他用户喜欢的产品
2.
基于物品的协同过滤算法
(ItemCF)
:
给用户推荐和他之前喜欢的物品相似的物品