该系列历史文章：

• 1.推荐系统最通俗介绍
• 2.推荐系统常见算法分类

---

---

资料整理，来源于北大刘宏志教授讲座内容。

1.到底什么是协同过滤

• 协同过滤（Collaborative Filtering, CR）：利用集体智慧，借鉴相关人群的观点进行推荐。
  

• 基本假设：

  • 过去兴趣相似的用户在未来的兴趣也会相似（由古及今）
  • 相似的用户会产生相似的(历史)行为数据（由表及里）

• 协同过滤优缺点

  • 优点：
    • 发现新的兴趣点；不需要领域知识；个性化、自动化程度高
  • 缺点：
    • 协同失效,即基本假设失效

2.协同过滤的一般步骤

• 收集数据:收集能反映用户偏好的数据
• 寻找邻域:相似的用户(或项目)
• 计算推荐结果:根据邻域信息计算推荐结果

• 举例：

• 收集数据说明

显式反馈:用户主动地向系统表达其偏好,一般需要用户在消费完项目后进行额外反馈；

隐式反馈:隐含用户对项目偏好的行为数据,是用户在探索或消费项目过程中正常操作。

3.基于用户的CF (User-CF)

3.1 基本介绍

基本思想:

• 基于用户对项目的历史偏好找到相邻(相似)的用户

• 将邻居(相似)用户喜欢的项目推荐给当前用户

• 假设:
  • 与我兴趣相似的用户喜欢的项目,我也会喜欢
• 关键:
  • 寻找相似用户
  • 用户相似度度量

基于 User-CF 的推荐系统整体流程：

• 离线预处理:

  • 计算用户之间的相似度

  • 并据此确定每个用户的邻域(K近邻)

• 在线推荐：针对当前活跃（目标)用户，计算推荐列表

  • 确定候选项目集

  • 预测兴趣度并生成推荐列表

3.2 用户相似度

3.2.1 用户相似度基本介绍

用户相似度计算方法：

用户相似度的问题：

• 下面哪一组用户更相似?

  • 用户A和B都买过《新华字典》

  • 用户C和D都买过《 Recommender Systems Handbook》

• 【思考】热门项目对我们推荐的影响，如何解决？

3.2.2 用户相似度改进：ICU

逆用户频率(Inverse User Frequency)

• 基本思想:惩罚热门项目

• 两个用户对冷门项目有过同样行为更能说明他们兴趣相似

3.3 User-CF的缺点

• 难以形成有意义的邻域集合

  • 很多用户两两之间只有很少的共同反馈

  • 而仅有的共同反馈的项目,往往是热门项目(缺乏区分度)

• 随着用户行为数据的增加,用户间相似度可能变化很快

  • 离线(offline)算法难以瞬间更新推荐结果

4.基于项目的CF (Item-CF)

4.1 基本介绍

基本思想:

• 基于用户对项目的反馈(偏好)寻找相似(相关)的项目
• 根据用户的历史反馈(偏好)行为,给他推荐相似的项目

• 假设:

  • 我过去喜欢某类项目,将来还会喜欢类似(相关)项目

• 关键:

  • 寻找相似(相关)项目
  • 项目相似(相关)度度量

基于 Item-CF 的推荐系统整体流程：

和前面基于用户的非常类似，在此不做展开

• 离线预处理、在线推荐

4.2 用户相似度

4.2.1 用户相似度基本介绍

用户相似度计算方法：

4.2.2 用户相似度改进

5.协同过滤:基于邻域的评分预测

基于领域的协同过滤算法的关键在于相似度度量的构造。主要有：

• 余弦相似度

• 皮尔逊相似度

• 杰卡德相似度

除此之外，还有通过距离度量来构造相似度：

• 欧式距离
• 曼哈顿距离
• 闵可夫斯基距离

这部分内容都比较常规，或者前面讲过，在此不再展开。

---

本文主要介绍了协同过滤基本内容，协同过滤，即利用集体智慧，借鉴相关人群的观点进行推荐。其后又介绍了基于用户、项目的协同过滤。