基于用戶的協(xié)同過濾算法也被稱為最近鄰協(xié)同過濾或KNN (K．Nearest-Neighbor,K最近鄰算法)。其核心思想就是，首先根據(jù)相似度計算出目標用戶的鄰居集合，然后用鄰居用戶評分的加權(quán)組合來為目標用戶作推薦。

通常這些算法都可以總結(jié)成三步：

首先，使用用戶已有的評分來計算用戶之間的相似度；

然后，選擇與目標用戶相似度最高的K個用戶，通常把這些用戶稱為鄰居；

最后，通過對鄰居用戶的評分的加權(quán)平均來預測目標用戶的評分。為了方便說明，我們把系統(tǒng)中用戶的集合記為U。物品的集合記為I，用戶u,v∈U，物品i,j∈I， 是用戶對物品的評分，而用戶u和v之間的相似度記為 ，用一個m×n的矩陣來表示所個用戶對玎個物品的評分情況。

用來衡量用戶之間的相似性方法有很多，最常見的有兩種：Pearson相關(guān)系數(shù)、余弦相似度以及調(diào)整余弦相似度。

總結(jié)

以上是生活随笔為你收集整理的协同过滤：基于用户的协同过滤itemCF的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。