1、基于用户的协同过滤算法步骤：
1.1找到和目标用户兴趣相似的用户集合
1.2 找到这个集合中的用户喜欢的，且目标用户没有听过的物品推荐给目标用户
步骤1的关键是计算2用户的兴趣相似度。
2、基于物品的协同过滤算法
2.1计算物品之间的相似度
2.2根据物品的相似度和用户的历史行为给用户生成推荐列表
UserCF：给用户推荐那些和他有公共兴趣爱好的用户喜欢的物品。
着重于反映和用户兴趣相似的小群体的热点；社会化，反映用户所在的小型兴趣群体物品的热门程度
ItemCF：给用户推荐那些和他之前喜欢的物品类似的物品。
着重于维系用户的历史兴趣；个性化，反映了用户自己的兴趣传承
推荐系统架构图
推荐引擎架构图：