基本思想:利用一些興趣愛好相似、擁有相同經(jīng)驗群體的偏好給目標用戶推薦可能感興趣的項目。

協(xié)同過濾算法的實現(xiàn)：構(gòu)建用戶一一項目矩陣，尋找最近鄰居，產(chǎn)生TOP-N推薦數(shù)據(jù)三個步驟。

目前協(xié)同過濾推薦技術(shù)的主要類型為:

1、基于用戶的協(xié)同過濾推薦方法

? ? ? ? 根據(jù)用戶訪問行為的相似性向目標用戶推薦可能感興趣的資源，其處理過程如圖所示。

2、基于項目的協(xié)同過濾推薦方法

? ? ? ? ? Sarwr教授提出的基于項目的協(xié)同過濾技術(shù)的基本思想:計算已評價項目與待預測項目的相似度來尋找推薦對象的最近鄰居?；谠撍惴ǖ耐扑]精確度低，可對算法進行改進:首先基于項目特征屬性矩陣計算項目間相似性，找出鄰居項目的候選集，然后基于用戶——項目評分矩陣計算目標項目與鄰居項目候選集中項目的相似性，找出目標項目的最近鄰居集，該項目利用自身屬性和用戶評價的影響，雖然解決了數(shù)據(jù)的稀疏性和冷啟動問題，但是對于新用戶還是無法有效推薦。

3、基于模型的協(xié)同過濾推薦方法

基于協(xié)同過濾算法存在的數(shù)據(jù)稀疏和冷啟動問題，提出了基于模型的協(xié)同過濾算法。它是根據(jù)數(shù)據(jù)庫中的數(shù)據(jù)，建立相應的模型生成新的預測和用戶偏好，模型有基于貝葉斯網(wǎng)絡技術(shù)的模型、基于SVD奇異值分解技術(shù)的模型、基于關(guān)聯(lián)規(guī)則的模型和基于聚類的模型等。這種方法的關(guān)鍵在于如何將用戶的最新信息實時的反饋給模型，從而提高推薦的精確度。