基于項(xiàng)目的協(xié)同過(guò)濾推薦的基本原理，與基于用戶(hù)的也是類(lèi)似的，只是說(shuō)它使用所有用戶(hù)對(duì)物品或者信息的偏好，發(fā)現(xiàn)物品和物品之間的相似度，然后根據(jù)用戶(hù)的歷史偏好信息，將類(lèi)似的物品推薦給用戶(hù)，可參考下圖：
其實(shí)基于項(xiàng)目的協(xié)同過(guò)濾推薦機(jī)制是 Amazon 在基于用戶(hù)的機(jī)制上改良的一種策略，因?yàn)樵诖蟛糠值?Web 站點(diǎn)中，物品的個(gè)數(shù)是遠(yuǎn)遠(yuǎn)小于用戶(hù)的數(shù)量的，而且物品的個(gè)數(shù)和相似度相對(duì)比較穩(wěn)定，同時(shí)基于項(xiàng)目的機(jī)制比基于用戶(hù)的實(shí)時(shí)性更好一些。但也不是所有的場(chǎng)景都是這樣的情況，可以設(shè)想一下在一些新聞推薦系統(tǒng)中，也許物品，也就是新聞的個(gè)數(shù)可能大于用戶(hù)的個(gè)數(shù)，而且新聞的更新程度也有很快，所以它的形似度依然不穩(wěn)定。所以，其實(shí)可以看出，推薦策略的選擇其實(shí)和具體的應(yīng)用場(chǎng)景有很大的關(guān)系。
基于項(xiàng)目的協(xié)同推薦在亞馬遜中的應(yīng)用
Amazon 作為推薦引擎的鼻祖，它已經(jīng)將推薦的思想滲透在應(yīng)用的各個(gè)角落。Amazon 推薦的核心是通過(guò)數(shù)據(jù)挖掘算法和比較用戶(hù)的消費(fèi)偏好與其他用戶(hù)進(jìn)行對(duì)比，借以預(yù)測(cè)用戶(hù)可能感興趣的商品。對(duì)應(yīng)于第一部分的各種推薦機(jī)制，Amazon 采用的是分區(qū)的混合機(jī)制。采用多種推薦機(jī)制，并將不同的推薦結(jié)果分不同的區(qū)顯示給用戶(hù)。
登錄亞馬遜之后，隨機(jī)點(diǎn)開(kāi)一個(gè)商品，在商品描述下面會(huì)出現(xiàn)【購(gòu)買(mǎi)此商品的顧客也同時(shí)購(gòu)買(mǎi)】欄目，這就是非常典型的基于項(xiàng)目的協(xié)同過(guò)濾推薦，通過(guò)推薦跟我有同樣興趣的用戶(hù)購(gòu)買(mǎi)的產(chǎn)品，能幫我更快速地找到感興趣的產(chǎn)品。
同時(shí)，你是不是也想起在其它地方貌似也見(jiàn)過(guò)這個(gè)呢？比如拉勾的，投遞了這個(gè)崗位的人還投遞了xx職位之類(lèi)的。
大綱如下：
第一部分：簡(jiǎn)單了解個(gè)性化推薦系統(tǒng)；
第二部分：協(xié)同過(guò)濾推薦之基于用戶(hù)的協(xié)同過(guò)濾推薦（以麥包包為例）；
