三种推荐算法：基于用户的协同过滤、基于物品的协同过滤、基于内容的推荐

1.推荐算法

1.1.协同过滤

协同过滤作为当前最为普遍采用的推荐系统算法，其核心在于依据用户与物品之间的交互关系来进行推荐，而并不涉及对物品自身特征的分析。
该算法主要可以划分为以下两类：

    1、基于用户（user-based）的协同过滤
    2、基于商品（item-based）的协同过滤
    
    
      
      
    

1.1.1.基于用户的协同过滤

核心理念：
通过分析用户对各类物品的偏好，识别出具有相似兴趣的用户群体，随后将这些相似用户所偏好的物品作为推荐内容，提供给当前用户。

实施方式：
将某位用户对所有物品的偏好信息转化为一个向量形式，通过计算不同用户之间的相似性来确定邻近用户。在找到邻近用户后，依据其相似度权重及对物品的喜好程度，预测当前用户尚未接触过的物品，并生成一个排序后的推荐列表。
这里的相似度指的是两个向量之间的距离关系。距离越小，则表示两者越接近。

示例说明：
如图所示，由于用户A与用户C存在较高的相似性，因此系统会向用户A推荐那些尚未被其接触但受到用户C喜爱的物品，即为物品D。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2skNr3nb-1576912472052)(http://www.shadowin