协同过滤

协同过滤

协同过滤（Collaborative Filtering）是基于群体用户行为分析的推荐算法，属于在线社交网络分析术语，主要通过用户对商品的评分或互动数据构建用户-商品矩阵，利用相似性度量实现信息推荐。该技术包含基于用户的协同过滤（User-based CF）、基于物品的协同过滤（Item-based CF）和基于模型的协同过滤（Model-based CF）三类，其中前两者属于基于内存的方法，后者通过机器学习模型训练预测用户偏好。其核心机制是通过发掘相似用户群体或相似物品实现个性化推荐 。

该技术于1992年首次应用于施乐公司Tapestry邮件过滤系统，1994年GroupLens系统实现跨平台新闻推荐并引入匿名评分机制。21世纪后，亚马逊通过“购买此商品的顾客也买”功能将其应用于商品推荐，Facebook结合社交关系网络优化广告推送系统。当前主流算法使用余弦相似度、皮尔逊相关系数等度量方法，并通过矩阵分解缓解数据稀疏性问题，但仍面临冷启动、算法健壮性等技术挑战 。

想要了解更多“协同过滤”的信息，请点击：协同过滤百科