基于用户的协同过滤(UserBased Recommendation)

算法综述

基于邻域的算法是推荐系统中最基本的算法，就目前研究的成果来讲，基于邻域的推荐算法可以分为两大类，一类是基于用户的协同过滤，另外一种是基于物品的协同过滤。接下来本文先讲基于用户的系统过滤(UserBased Recommendation)

算法背景

每当同学们开始考研的时候，不知道要复习什么，或者买什么样的复习资料的时候，往往去咨询自己的师兄师姐，一般是同一个专业的，然后师兄师姐会给我们介绍一些书，如果这些书，我们没有看过，我们一般会听从他们的建议。
我们为什么能听取他们的建议呢，无非以下几个原因：
1、师兄师姐跟我们是一个专业的，可以理解为兴趣点一样
2、师兄师姐都经历过，本身关系比较近，相互信任
基于用户的系统过滤就是基于第一种思想，如果两个用户的历史兴趣点相似，那么该用户未来的兴趣点有很大的可能性相似。

算法步骤

你在做决策的时候，一般是先找一些师兄师姐，跟自己一个专业（兴趣点），然后师兄师姐再给你介绍数据，然后你过滤掉自己已经买的，从剩下的书籍里面做决策。
基于用户的协同过滤也是基于这么一个步骤，一般的协同过滤基于以下的两个步骤：
1、找到与目标用户兴趣相似的用户的集合
2、从这个集合中找出相似用户喜欢的物品，而且目标用户没有的物品，根据一定的标准，将这些物品排序，选择得分高的