协同过滤推荐算法

推荐算法中，协同过滤算法是最经典、最常用的算法。
该算法收集用户的偏好进而分析用户的偏好，在用户群中找到指定用户的相似用户，综合这些相似用户对某一信息的评价，形成系统关于该用户对此信息的喜好程度预测。
步骤：
1. 收集用户偏好；
2. 找到相似的用户或物品；
3. 计算推荐。
收集用户偏好信息成为系统推荐效果最基础的决定因素，评分、投票、转发、保存书签、收藏、购买、点击流、页面停留时间等

收集到用户行为数据，要对数据进行预处理，归一化和减噪。