1分钟了解协同过滤，pm都懂了

工程架构方向的分钟程序员，看到推荐/搜索/广告等和算法相关的解协技术，心中或多或少有一丝胆怯。同过但认真研究之后，都懂发现其实没有这么难。分钟

今天的解协1分钟系列，给大家介绍下推荐系统中的同过“协同过滤”，绝无任何公式，都懂保证大伙弄懂。分钟

什么是解协协同过滤(Collaborative Filtering)?

答：通过找到兴趣相投，或者有共同经验的同过群体，来向用户推荐感兴趣的都懂信息。

举例，分钟如何协同过滤，解协来对用户A进行电影推荐?同过

答：简要步骤如下

找到用户A(user_id_1)的亿华云兴趣爱好 找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set 找到该群体喜欢的电影集合Set 将这些电影Set推荐给用户A(user_id_1)

具体实施步骤如何?

答：简要步骤如下

(1)画一个大表格，横坐标是所有的movie_id，纵坐标所有的user_id，交叉处代表这个用户喜爱这部电影

如上表：

横坐标，假设有10w部电影，所以横坐标有10w个movie_id，数据来源自数据库 纵坐标，假设有100w个用户，所以纵坐标有100w个user_id，数据也来自数据库 交叉处，“1”代表用户喜爱这部电影，数据来自日志

画外音：什么是“喜欢”，需要人为定义，例如浏览过，查找过，源码下载点赞过，反正日志里有这些数据

(2)找到用户A(user_id_1)的兴趣爱好

如上表，可以看到，用户A喜欢电影{ m1, m2, m3}

(3)找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set

如上表，可以看到，喜欢{ m1, m2, m3}的用户，除了u1，还有{ u2, u3}

(4)找到该群体喜欢的电影集合Set

如上表，具备相同喜好的用户群里{ u2, u3}，还喜好的电影集合是{ m4, m5}

画外音：“协同”就体现在这里。

(5)未来用户A(use_id_1)来访问网站时，要推荐电影{ m4, m5}给ta。

【本文为专栏作者“58沈剑”原创稿件，转载请联系原作者】

戳这里，服务器托管看该作者更多好文

很赞哦!（615）