轉載自?1分鐘了解協同過濾，pm都懂了

工程架構方向的程序員，看到推薦/搜索/廣告等和算法相關的技術，心中或多或少有一絲膽怯。但認真研究之后，發現其實沒有這么難。

?

今天的1分鐘系列，給大家介紹下推薦系統中的“協同過濾”，絕無任何公式，保證大伙弄懂。

?

什么是協同過濾（Collaborative Filtering）？

答：通過找到興趣相投，或者有共同經驗的群體，來向用戶推薦感興趣的信息。

?

舉例，如何協同過濾，來對用戶A進行電影推薦？

答：簡要步驟如下

• 找到用戶A(user_id_1)的興趣愛好

• 找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set<user_id>

• 找到該群體喜歡的電影集合Set<movie_id>

• 將這些電影Set<Movie_id>推薦給用戶A(user_id_1)

?

具體實施步驟如何？

答：簡要步驟如下

（1）畫一個大表格，橫坐標是所有的movie_id，縱坐標所有的user_id，交叉處代表這個用戶喜愛這部電影

如上表：

• 橫坐標，假設有10w部電影，所以橫坐標有10w個movie_id，數據來源自數據庫

• 縱坐標，假設有100w個用戶，所以縱坐標有100w個user_id，數據也來自數據庫

• 交叉處，“1”代表用戶喜愛這部電影，數據來自日志

畫外音：什么是“喜歡”，需要人為定義，例如瀏覽過，查找過，點贊過，反正日志里有這些數據

?

（2）找到用戶A(user_id_1)的興趣愛好

如上表，可以看到，用戶A喜歡電影{m1, m2, m3}

?

（3）找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set<user_id>

如上表，可以看到，喜歡{m1, m2, m3}的用戶，除了u1，還有{u2, u3}

?

（4）找到該群體喜歡的電影集合Set<movie_id>

如上表，具備相同喜好的用戶群里{u2, u3}，還喜好的電影集合是{m4, m5}

畫外音：“協同”就體現在這里。

?

（5）未來用戶A(use_id_1)來訪問網站時，要推薦電影{m4, m5}給ta。

?

協同過濾大致原理如上，希望大家有收獲。

總結

以上是生活随笔為你收集整理的1分钟了解协同过滤，pm都懂了的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。