基于近邻协同过滤可分为基于用户的协同过滤
基于用户的协同过滤
基于用户的协同过滤（User Collaborative Filtering，简称User CF）核心是“人以群分”
基本原理
- 通过用户对不同内容（物品）的行为，来评测用户之间的相似性，找到“邻居”基于这种相似性做出推荐
- 这种推荐的本质是，给相似的用户推荐其他用户喜欢的内容
- 这就是我们经常看到的：和你类似的人还喜欢如下内容
从这个图中我们可以看出，用户A喜欢的物品有物品A，物品B，物品C；用户B喜欢的物品只有物品B；用户C喜欢的物品有物品A，物品C，物品D。我们可以看出用户A 和用户C的喜好很相似，这时候我们就可以把物品D推荐给用户A。这就是给相似的用户推荐其他用户喜欢的物品。
基本步骤：
① 找到和目标用户兴趣相似的用户集合（关键在于计算两个用户之间的兴趣相似度）
② 找到这个集合中的用户所喜欢的，并且目标用户没有听说过的物品推荐给目标用户
如何找到和你相似的人？
类比于KNN中K个“邻居”的寻找方法——通过距离衡量相近程度
用户相似性计算指标：