协同过滤算法概述

主要内容：

不同算法类的简单介绍，各自的适用场景以及面临的挑战；
和其他算法的比较。

一.简介

协同过滤是最早提出，同时也是研究的最多，实际应用也最多的一种推荐技术。对于协同过滤算法的分类，主要有两种分类方式。有学者考虑算法是否基于基本概率模型，将协同过滤算法分为非概率性算法和概率性算法。还有将算法分为基于内存的协同过滤算法和基于模型的协同过滤算法。本文采用前一种来阐述。

二.非概率性算法

2.1基于用户的协同过滤算法

下面是基于用户的协同过滤算法的简单流程：

流程说明：
1）用户-物品评分矩阵。如果用到我们的头条中的话，那么，一个用户就用一个维度是物品的向量来表示，每维对应一个物品，0表示未点击过，1表示点击过。
2） 用户间的相似度计算。计算两个特征向量 的相似度。相似度计算方法很多，比如，余弦相似度，皮尔逊相关系数等。
3）邻居集。确定topn个最相似的用户作为最近邻。
4）预测用户对每个物品的评分。预测公式：