协同过滤推荐算法的理解

背景

本文介绍协同过滤推荐算法在我们项目组的使用方案，作为笔记或者供大家参考的小结。协同过滤推荐算法理解为一个推荐算法，推荐算法一个是基于用户的喜好程度的推荐算法可以简写为UserCF，另一个就是根据商品被喜好程度的推荐算法简称为ItemCF。

UserCF介绍

UserCF推荐算法其实就是考察某个用户喜好与另一个用户的喜好是否相近，通过跟他臭味相投的人，他臭味相投的人喜欢啥的就推荐给他。
A用户喜欢： a, b, c, d, e
B用户喜欢：a, b, c, x, f
A用户与B用户是一对臭味相投的人，A用户登录系统，那么需要将B用户的商品推荐给A用户即可。推荐商品为 x, f，为什么不推荐a, b, c呢，因为A已经喜欢过a, b, c了；推荐就是要推荐你没有的东西，但是你又可能喜欢的。

通过上面的例子，我们需要客观计算判断两个人臭味相投的程度，也就是提出一个数学公式来表示他们的兴趣相似度。比如我的爱好能跟范冰冰的爱好相同的吗，肯定不会相同，但是差别有多大那是要计算出来。

$\frac{N(A)\cap N(B)}{\sqrt{|N(A)||N(B)|}}$ = $W_{AB}$

N(A)表示A用户喜欢的商品集合，N(B)表示B用户喜欢的商品集合；分子是两个集合的交集表示，他们喜欢商品的重合数量。这个式子类似三角函数的余弦夹角，在