用Python实现协同过滤的教程

协同过滤 在 用户 —— 物品（user – item）的数据关系下很容易收集到一些偏好信息（preference），比如评分。利用这些分散的偏好信息，基于其背后可能存在的关联性，来为用户推荐物品的方法，便是协同过滤，或称协作型过滤（collaborative filtering）。 这种过滤算法的有效性基础在于：     用户的偏好具有相似性，即用户是可分类的。这种分类的特征越明显，推荐的准确率就越高     物品之间是存在关系的，即偏好某一物品的任何人，都很可能也同时偏好另一件物品 不同环境下这两种理论的有效性也不同，应用时需做相应调整。如豆瓣上的文艺作品，用户对其的偏好程度与用户自身的品