如何理解協(xié)同過濾？基于用戶的協(xié)同過濾主要基于用戶之間的相似性（取決于用戶的歷史偏好數(shù)據(jù)）。首先計(jì)算用戶之間的相似度，然后將用戶喜歡的項(xiàng)目推薦給相似的用戶。也就是說，當(dāng)用戶需要個(gè)性化推薦時(shí)，可以先通過興

如何理解協(xié)同過濾？

基于用戶的協(xié)同過濾主要基于用戶之間的相似性（取決于用戶的歷史偏好數(shù)據(jù)）。首先計(jì)算用戶之間的相似度，然后將用戶喜歡的項(xiàng)目推薦給相似的用戶。也就是說，當(dāng)用戶需要個(gè)性化推薦時(shí)，可以先通過興趣愛好或行為習(xí)慣等找到與自己相似的其他用戶，然后推薦那些喜歡和不知道的相似用戶。

基于項(xiàng)目之間的相似度，基于項(xiàng)目的協(xié)同過濾首先計(jì)算項(xiàng)目之間的相似度，然后根據(jù)用戶的評(píng)分將用戶喜歡的相似項(xiàng)目推薦給用戶。也就是說，當(dāng)一個(gè)用戶需要個(gè)性化推薦時(shí)，比如說，因?yàn)樗百?gòu)買過《集體智能編程》一書，他會(huì)推薦《機(jī)器學(xué)習(xí)實(shí)踐》一書，因?yàn)槠渌芏嘤脩敉瑫r(shí)購(gòu)買了這兩本書。

基于用戶的協(xié)同過濾需要在線（系統(tǒng)上線后）找到用戶之間的相似關(guān)系，計(jì)算復(fù)雜度肯定會(huì)高于基于文章的協(xié)同過濾。同時(shí)，我們還需要考慮推薦算法的冷啟動(dòng)問題（如何在沒有大量用戶數(shù)據(jù)的情況下讓用戶滿意推薦結(jié)果）。例如，我們可以讓用戶在注冊(cè)時(shí)選擇自己感興趣的領(lǐng)域來生成粗粒度的推薦。

基于用戶的協(xié)同過濾是推薦用戶喜歡的、與他們有共同興趣的項(xiàng)目。因此，基于用戶的協(xié)同過濾推薦更具社會(huì)性，即推薦的項(xiàng)目是群組中符合用戶興趣的熱點(diǎn)項(xiàng)目，并且可以向用戶推薦新類別的項(xiàng)目。

基于項(xiàng)目的協(xié)作過濾是推薦與用戶以前喜歡的項(xiàng)目相似的項(xiàng)目?；陧?xiàng)目的協(xié)同過濾更具個(gè)性化，因?yàn)橥扑]的項(xiàng)目一般都滿足自己的獨(dú)特興趣，所以更適合用戶個(gè)性化需求強(qiáng)烈的領(lǐng)域。然而，由于商品的相似性相對(duì)穩(wěn)定，很難向用戶推薦新的商品類別。

互聯(lián)網(wǎng)公司推崇「?jìng)€(gè)性化算法」，會(huì)讓人們只能獲取片面的信息嗎？

精確排水是一個(gè)前沿技術(shù)問題。你說現(xiàn)在很多排水軟件都在作弊，我很同意你的說法。

精準(zhǔn)引流需要從兩個(gè)方面看：一是平臺(tái)本身的精準(zhǔn)引流：大數(shù)據(jù)算法、精準(zhǔn)配送、智能推送等。交通分配平臺(tái)的技術(shù)也決定了排水的精確性。從整個(gè)頂級(jí)媒體來看，今日頭條的技術(shù)非常先進(jìn)，為用戶發(fā)布信息、實(shí)現(xiàn)精準(zhǔn)引流提供了技術(shù)支持。

第二是精確排水。自媒體的物理優(yōu)勢(shì)和內(nèi)容是準(zhǔn)確排水的關(guān)鍵。知足為王。如果沒有好的原創(chuàng)內(nèi)容，就不能引起網(wǎng)友的興趣，就無法達(dá)到共鳴，也很難達(dá)到精準(zhǔn)排水的效果。

因此，平臺(tái)對(duì)于準(zhǔn)確排水很重要，但內(nèi)容是關(guān)鍵。漏了兩個(gè)或一個(gè)方面，就不能準(zhǔn)確引流。