僅僅基於用戶行為數據設計的推薦算法一般稱為協同過濾算法，方法有：

• 隱語義模型
• 基於圖的隨機遊走算法
• 基於鄰域的方法：應用最廣泛
  • 基於用戶的協同過濾算法：給用戶推薦和他興趣相似的其他用戶喜歡的物品
  • 基於物品的協同過濾算法：給用戶推薦和他之前喜歡的物品相似的物品　

兩步走：

1. 找到和目標用戶興趣相似的用戶的集合
2. 找到這個集合中的用戶喜歡的，且目標用戶沒有聽過的商品推薦給目標用戶

一、找到和目標用戶興趣相似的用戶的集合

1、關鍵是計算兩用戶的興趣相似度，主要利用行為的相似度計算興趣相似度

• jiacard相似度計算

• 余弦相似度計算：常用

• 余弦相似度改進：對商品流行度懲罰，商品越流行，對相似度貢獻值越低

2、計算用戶的相似度矩陣

二、找到這個集合中的用戶喜歡的，且目標用戶沒有聽過的商品推薦給目標用戶

1、計算用戶u對物品i的偏好值，

1. 在相似度矩陣中按照相似度對用戶u關聯的用戶字典降序排列
2. 取出前K個用戶
3. 取出和商品 i 用過交互的用戶的列表或集合
4. 取2和3的交集
5. 對相似度和偏好值累加求和

2、計算推薦列表

2、前奏之基於用戶的協同過濾算法：UserCF