推荐系统算法：基于近邻协同过滤

• 基于近邻协同过滤可分为基于用户的协同过滤和基于物品的协同过滤

基于用户的协同过滤

基于用户的协同过滤（User Collaborative Filtering，简称User CF）核心是“人以群分”

基本原理

• 通过用户对不同内容（物品）的行为，来评测用户之间的相似性，找到“邻居”基于这种相似性做出推荐
• 这种推荐的本质是，给相似的用户推荐其他用户喜欢的内容
• 这就是我们经常看到的：和你类似的人还喜欢如下内容
  从这个图中我们可以看出，用户A喜欢的物品有物品A，物品B，物品C；用户B喜欢的物品只有物品B；用户C喜欢的物品有物品A，物品C，物品D。我们可以看出用户A 和用户C的喜好很相似，这时候我们就可以把物品D推荐给用户A。这就是给相似的用户推荐其他用户喜欢的物品。

基本步骤：

① 找到和目标用户兴趣相似的用户集合（关键在于计算两个用户之间的兴趣相似度）
② 找到这个集合中的用户所喜欢的，并且目标用户没有听说过的物品推荐给目标用户
如何找到和你相似的人？
类比于KNN中K个“邻居”的寻找方法——通过距离衡量相近程度

用户相似性计算指标

：