一、協同過濾演算法

1、協同過濾演算法的核心思想是通過其他人的觀點來過濾和評價商品的過程

2、主要目的是通過已有資料之間的關係來計算使用者之間的相似度，而後找到有共同興趣愛好的使用者，從而產生推薦

使用於非結構化的資料，如電影、音樂等資源內容特徵分析難度較大
但是協同過濾技術可以提取使用者評分，購買記錄，瀏覽記錄等資料來評價這個電影或音樂怎麼樣
協同過濾演算法也能夠很好的發現使用者的其他興趣，推薦用於從未關注的領域但是比較感興趣的事物
協同過濾演算法能夠不依靠使用者自己定位興趣點，而是自動通過顯性或隱形的資訊來做出相關推薦

3、協同過濾也有缺點

冷啟動問題：要是一個使用者從未對任何專案進行評價，那麼這個使用者就不能得到推薦
稀疏性問題：實際中的網站是十分龐大的，而使用者只是對某一小塊區域進行了評價，這些矩陣之間的關聯性十分弱，使得推薦的質量比較差
可擴充套件性問題：使用者增多，演算法的複雜度急劇擴大，影響了推薦的實時性