电影和商品两大核心算法

基于近邻的协同过滤算法

也被称为基于内存的算法（memory-based algorithm）。它是最早为协同过滤技术而设计的算法之一。此类方法主要依据用户之间相似的行为模式，以及物品之间评分相似性的特性进行预测。基于近邻的方法可以划分为以下两种基本形式：
（1）基于用户的协同过滤：在该类型中，系统会寻找与目标用户A具有高度相似性的邻近用户，并利用这些用户的评分信息为A生成推荐内容。具体而言，这些“相近用户”对各类物品所给出的评分加权平均值将作为预测用户A对相应物品可能评分的依据。
（2）基于物品的协同过滤：为了向目标用户推荐物品B，首先需要确定一组与B具有最高相似度的物品集合S。接下来，系统需要获取目标用户A对集合S中各个物品的历史评分数据，并通过计算这些评分加权平均值来预测其对物品B可能给出的评价。

基于内容的推荐算法

基于内容的推荐系统旨在向用户推送与其曾经喜爱过的物品在特征属性方面相似的内容。这种匹配方式并非依赖于其他用户的评分行为，而是根据用户偏好对象所具备的具体属性进行判断。相较于利用其他相似用户的评价数据实现推荐的协同过滤方法，基于内容的方式更强调目标用户的个人偏好及其喜欢对象的具体特征。因此，在这类系统中，其他用户的评价信息并不占据重要地位。换句话说，这种方法借助不同的数据来源来完成推荐任务。

下面将介绍本系统中采用的内容基础型推