工程架構方向的程序員，看到推薦/搜索/廣告等和算法相關的技術，心中或多或少有一絲膽怯。但認真研究之后，發現其實沒有這么難。

今天給大家介紹下推薦系統中的“協同過濾”，絕無任何公式，保證大伙弄懂。

[[435076]]

什么是協同過濾(Collaborative Filtering)?

答：通過找到興趣相投，或者有共同經驗的群體，來向用戶推薦感興趣的信息。

舉例，如何協同過濾，來對用戶A進行電影推薦?

答：簡要步驟如下：

(1)找到用戶A(user_id_1)的興趣愛好;

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

具體實施步驟如何?

答：簡要步驟如下：

(1)畫一個大表格，橫坐標是所有的movie_id，縱坐標所有的user_id，交叉處代表這個用戶喜愛這部電影;

如上表：

• 橫坐標，假設有10w部電影，所以橫坐標有10w個movie_id，數據來源自數據庫
• 縱坐標，假設有100w個用戶，所以縱坐標有100w個user_id，數據也來自數據庫
• 交叉處，“1”代表用戶喜愛這部電影，數據來自日志

畫外音：什么是“喜歡”，需要人為定義，例如瀏覽過，查找過，點贊過，反正日志里有這些數據。

(2)找到用戶A(user_id_1)的興趣愛好;

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}

畫外音：“協同”就體現在這里。

(5)未來用戶A(use_id_1)來訪問網站時，要推薦電影{m4, m5}給ta。

協同過濾大致原理如上，希望大家有收獲。

【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】

戳這里，看該作者更多好文