Content #
- 基于用户的协同过滤算法（User-based Collaborative Filtering）
基于用户的协同过滤算法就是基于用户和用户之间的相似性，推荐你喜欢的东西，过滤你不喜欢的东西。
- 基于物品的协同过滤算法（Item-based Collaborative Filtering）
根据用户群对于物品的购买或者评价发现物品和物品之间的相似程度，然后再根据具体用户历史使用的类似物品推荐给这个用户。
- 基于数据模型的协同过滤算法（Model-based Collaborative Filtering）
不一定非要通过协同过滤的公式来计算用户之间的距离，我们完全可以复用其他机器学习算法，先做出来模型，再进行相关的协同过滤。
例如，用关联算法来去做物品之间的相似度评估，然后根据置信度、支持度、提升度或者其他评分规则推荐给用户。我们也可以用聚类算法来找到用户之间的关联程度，把用户之间的距离计算出来，然后把这些用户群相似度比较高的用户之间的商品确定给同样聚类比较清楚的用户。类似的我们还可以用分类算法回归算法，用神经网络做协同过滤、用图模型做协同过滤、用隐语义模型做协同过滤等等。