01_從電影推薦開始，聊協同過濾
工程架構方向的程式設計師，看到推薦/搜尋/廣告等和演算法相關的技術，心中或多或少有一絲膽怯。但認真研究之後，發現其實沒有這麼難。
今天的1分鐘系列，給大家介紹下推薦系統中的“協同過濾”，絕無任何公式，保證大夥弄懂。
什麼是協同過濾（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資訊。
舉例，如何協同過濾，來對使用者A進行電影推薦？
答：簡要步驟如下
-
找到使用者A(user_id_1)的興趣愛好
-
找到與使用者A(user_id_1)具有相同電影興趣愛好的使用者群體集合
Set<user_id> -
找到該群體喜歡的電影集合Set<movie_id>
-
將這些電影Set<Movie_id>推薦給使用者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，橫座標是所有的movie_id，縱座標所有的user_id，交叉處代表這個使用者喜愛這部電影
如上表：
-
橫座標，假設有10w部電影，所以橫座標有10w個movie_id，資料來源自資料庫
-
縱座標，假設有100w個使用者，所以縱座標有100w個user_id，資料也來自資料庫
-
交叉處，“1”代表使用者喜愛這部電影，資料來自日誌
畫外音：什麼是“喜歡”，需要人為定義，例如瀏覽過，查詢過，點贊過，反正日誌裡有這些資料
（2）找到使用者A(user_id_1)的興趣愛好
如上表，可以看到，使用者A喜歡電影{m1, m2, m3}
（3）找到與使用者A(user_id_1)具有相同電影興趣愛好的使用者群體集合Set<user_id>
如上表，可以看到，喜歡{m1, m2, m3}的使用者，除了u1，還有{u2, u3}
（4）找到該群體喜歡的電影集合Set<movie_id>
如上表，具備相同喜好的使用者群裡{u2, u3}，還喜好的電影集合是{m4, m5}
畫外音：“協同”就體現在這裡。
（5）未來使用者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，希望大家有收穫。
推薦文章：
原文地址：https://blog.csdn.net/z50L2O08e2u4afToR9A/article/details/79565720
原創： 58沈劍 架構師之路