内容摘要：工程架构方向的程序员，看到推荐/搜索/广告等和算法相关的技术，心中或多或少有一丝胆怯。但认真研究之后，发现其实没有这么难。今天给大家介绍下推荐系统中的“协同过滤”，绝无任何公式，保证大伙弄懂。什么是协

工程架构方向的老板问我程序员，看到推荐/搜索/广告等和算法相关的什协技术，心中或多或少有一丝胆怯。同过但认真研究之后，老板问我发现其实没有这么难。什协

今天给大家介绍下推荐系统中的同过“协同过滤”，绝无任何公式，老板问我保证大伙弄懂。什协

什么是同过协同过滤(Collaborative Filtering)?

答：通过找到兴趣相投，或者有共同经验的老板问我群体，来向用户推荐感兴趣的什协信息。

举例，同过如何协同过滤，老板问我来对用户A进行电影推荐?什协

答：简要步骤如下：

(1)找到用户A(user_id_1)的兴趣爱好;

(2)找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set;

(3)找到该群体喜欢的电影集合Set;

(4)将这些电影Set推荐给用户A(user_id_1);

具体实施步骤如何?

答：简要步骤如下：

(1)画一个大表格，亿华云横坐标是同过所有的movie_id，纵坐标所有的user_id，交叉处代表这个用户喜爱这部电影;

如上表：

横坐标，假设有10w部电影，所以横坐标有10w个movie_id，数据来源自数据库 纵坐标，假设有100w个用户，所以纵坐标有100w个user_id，数据也来自数据库 交叉处，“1”代表用户喜爱这部电影，数据来自日志

画外音：什么是“喜欢”，需要人为定义，例如浏览过，查找过，点赞过，反正日志里有这些数据。

(2)找到用户A(user_id_1)的兴趣爱好;

如上表，高防服务器可以看到，用户A喜欢电影{ m1, m2, m3}

(3)找到与用户A(user_id_1)具有相同电影兴趣爱好的用户群体集合Set<user_id>

如上表，可以看到，喜欢{ m1, m2, m3}的用户，除了u1，还有{ u2, u3}

(4)找到该群体喜欢的电影集合Set<user_id>

如上表，具备相同喜好的用户群里{ u2, u3}，还喜好的电影集合是{ m4, m5}

画外音：“协同”就体现在这里。

(5)未来用户A(use_id_1)来访问网站时，要推荐电影{ m4, m5}给ta。

协同过滤大致原理如上，希望大家有收获。

【本文为专栏作者“58沈剑”原创稿件，转载请联系原作者】

戳这里，看该作者更多好文