推荐系统笔记--基于物品的协同过滤（Item CF）

1--基本原理

        Item CF的原理是根据物品的相似度来将新的物品推荐给用户；下图中用户对红色物品的感兴趣度为 [2, 1, 4, 3]，红色物品与橙色物品的相似度为 [0.1, 0.4, 0.2, 0.6]，因此可以计算出用户对橙色物品的感兴趣度。

        Item CF的基本思想是：如果用户A喜欢物品 item1，而且物品 item1 和 物品 item2 很相似，那么用户很可能也喜欢 item2，因此可以将 item2 推荐给用户A；

2--物品相似度

        一般来说，两个物品的受众重合度越高，两个物品越相似。

3--ItemCF召回流程

① 离线计算维护两个索引：用户→物品 和 物品→物品。

② 线上召回：