工程架構(gòu)方向的程序員，看到推薦/搜索/廣告等和算法相關(guān)的技術(shù)，心中或多或少有一絲膽怯。但認(rèn)真研究之后，發(fā)現(xiàn)其實(shí)沒(méi)有這么難。

今天給大家介紹下推薦系統(tǒng)中的“協(xié)同過(guò)濾”，絕無(wú)任何公式，保證大伙弄懂。

[[435076]]

什么是協(xié)同過(guò)濾(Collaborative Filtering)?

答：通過(guò)找到興趣相投，或者有共同經(jīng)驗(yàn)的群體，來(lái)向用戶推薦感興趣的信息。

舉例，如何協(xié)同過(guò)濾，來(lái)對(duì)用戶A進(jìn)行電影推薦?

答：簡(jiǎn)要步驟如下：

(1)找到用戶A(user_id_1)的興趣愛(ài)好;

(2)找到與用戶A(user_id_1)具有相同電影興趣愛(ài)好的用戶群體集合Set;

(3)找到該群體喜歡的電影集合Set;

(4)將這些電影Set推薦給用戶A(user_id_1);

具體實(shí)施步驟如何?

答：簡(jiǎn)要步驟如下：

(1)畫(huà)一個(gè)大表格，橫坐標(biāo)是所有的movie_id，縱坐標(biāo)所有的user_id，交叉處代表這個(gè)用戶喜愛(ài)這部電影;

如上表：

• 橫坐標(biāo)，假設(shè)有10w部電影，所以橫坐標(biāo)有10w個(gè)movie_id，數(shù)據(jù)來(lái)源自數(shù)據(jù)庫(kù)
• 縱坐標(biāo)，假設(shè)有100w個(gè)用戶，所以縱坐標(biāo)有100w個(gè)user_id，數(shù)據(jù)也來(lái)自數(shù)據(jù)庫(kù)
• 交叉處，“1”代表用戶喜愛(ài)這部電影，數(shù)據(jù)來(lái)自日志

畫(huà)外音：什么是“喜歡”，需要人為定義，例如瀏覽過(guò)，查找過(guò)，點(diǎn)贊過(guò)，反正日志里有這些數(shù)據(jù)。

(2)找到用戶A(user_id_1)的興趣愛(ài)好;

如上表，可以看到，用戶A喜歡電影{m1, m2, m3}

(3)找到與用戶A(user_id_1)具有相同電影興趣愛(ài)好的用戶群體集合Set<user_id>

如上表，可以看到，喜歡{m1, m2, m3}的用戶，除了u1，還有{u2, u3}

(4)找到該群體喜歡的電影集合Set<user_id>

如上表，具備相同喜好的用戶群里{u2, u3}，還喜好的電影集合是{m4, m5}

畫(huà)外音：“協(xié)同”就體現(xiàn)在這里。

(5)未來(lái)用戶A(use_id_1)來(lái)訪問(wèn)網(wǎng)站時(shí)，要推薦電影{m4, m5}給ta。

協(xié)同過(guò)濾大致原理如上，希望大家有收獲。

【本文為51CTO專欄作者“58沈劍”原創(chuàng)稿件，轉(zhuǎn)載請(qǐng)聯(lián)系原作者】

戳這里，看該作者更多好文