推荐技术从被提出到现在已有十余年，在多年的发展历程中诞生了很多新的推荐算法。协同过滤作为最早、最知名的推荐算法，不仅在学术界得到了深入研究，而且至今在业界仍有广泛的应用协同过滤可分为基于用户的协同过滤和基于物品的协同过滤11.2.1基于用户的协同过滤（UserCF）11.2.2基于物品的协同过滤（ItemCF）11.2.3UserCF算法和ItemCF算法的对比
推荐技术从被提出到现在已有十余年，在多年的发展历程中诞生了很 多新的推荐算法。协同过滤作为最早、最知名的推荐算法，不仅在学 术界得到了深入研究，而且至今在业界仍有广泛的应用 协同过滤可分为基于用户的协同过滤和基于物品的协同过滤 11.2.1 基于用户的协同过滤（UserCF） 11.2.2 基于物品的协同过滤（ItemCF） 11.2.3 UserCF算法和ItemCF算法的对比 11.2 协同过滤
基于用户的协同过滤算法（简称UserCF算法）在1992年被提出，是推荐系统中最古老的算法UserCF算法符合人们对于“趣味相投”的认知，即兴趣相似的用户往往有相同的物品喜好：当目标用户需要个性化推荐时，可以先找到和日标用户有相似兴趣的用户群体，然后将这个用户群体喜欢的、而日标用户没有听说过的物品推荐给目标用户UserCF算法的实现主要包括两个步骤：第一步：找到和目标用户兴趣相似的用户集合第二步：找到该集合中的用户所喜欢的、且日标用户没有听说过的物品推荐给目标用户
基于用户的协同过滤算法（简称UserCF算法）在1992年被提出，是 推荐系统中最古老的算法 UserCF算法符合人们对于“趣味相投”的认知，即兴趣相似的用户往 往有相同的物品喜好：当目标用户需要个性化推荐时，可以先找到和 目标用户有相似兴趣的用户群体，然后将这个用户群体喜欢的、而目 标用户没有听说过的物品推荐给目标用户 UserCF算法的实现主要包括两个步骤： 第一步：找到和目标用户兴趣相似的用户集合 第二步：找到该集合中的用户所喜欢的、且目标用户没有听说过的 物品推荐给目标用户 11.2.1 基于用户的协同过滤（UserCF）