和我興趣相似的人喜歡的商品我也會喜歡。步驟：根據用戶對各種物品的偏好值的相似程度，對每兩個用戶之間進行相似度計算，為每個用戶找到與之相似度最高的幾個鄰居用戶，然後將鄰居用戶對每個物品的偏好值的加權平均作為目標使用者的偏好值的預測值。把預測值最高的多個商品作為目標使用者的推薦清單。其中，每個鄰居用戶的權重取決於該鄰居使用者與目標使用者之間的相似度。如何計算用戶間的相似度：基於使用者的協同過濾的一大缺點這個方法由亞馬遜公司最早提出。在電商中得到了廣泛使用。基於用戶對物品的偏好計算出物品之間的相似度，然後根據當前使用者的偏好，推薦相似的物品給他。例：購買手機的人也都購買了iPad，則說明這兩個物品相似。當使用者搜索或流覽手機，系統會向他推薦iPad。調參：採用何種相似度度量？優點：一對物品之間的距離可能是根據成百上千萬的用戶的評分計算得出，往往能在一段時間內保持穩定。因此，這種演算法可以預先計算距離，其線上部分能更快地生產推薦列表。缺點：不同領域的最熱門物品之間經常具有較高的相似度。這樣，可能會給喜歡《演算法導論》的同學推薦《哈利波特》。為此，在運行這種演算法時可以不納入最暢銷商品。需要預先離線計算出每兩個物品之間的偏好值平均差異。其線上部分運行很快。沒用到相似度計算。調參工作量大大減少。Thanksforlisteninghttp://wenku.baidu.com/view/2eb8b6efdd3383c4ba4cd219.html