project架构方向的程序猿。看到推荐/搜索/广告等和算法相关的技术，心中或多或少有一丝胆怯。但认真研究之后。发现事实上没有这么难。
今天的1分钟系列，给大家介绍下推荐系统中的“协同过滤”，绝无不论什么公式，保证大伙弄懂。
什么是协同过滤（Collaborative Filtering）？
答：通过找到兴趣相投。或者有共同经验的群体。来向用户推荐感兴趣的信息。
举例。怎样协同过滤。来对用户A进行电影推荐？
答：简要过程例如以下
找到用户A(user_id_1)的兴趣爱好
找到与用户A(user_id_1)具有同样电影兴趣爱好的用户群体集合Set<user_id>
找到该群体喜欢的电影集合Set<movie_id>
将这些电影Set<Movie_id>推荐给用户A(user_id_1)
详细实施步骤怎样？
答：简要过程例如以下
（1）画一个大表格。横坐标是全部的movie_id，纵坐标全部的user_id，交叉处代表这个用户喜爱这部电影
如上表：
横坐标，如果有10w部电影。所以横坐标有10w个movie_id。数据来源自数据库
纵坐标，如果有100w个用户，所以纵坐标有100w个user_id，数据也来自数据库
交叉处，“1”代表用户喜爱这部电影，数据来自日志
画外音：什么是“喜欢”，须要人为定义，比如浏览过，查找过，点赞过，反正日志里有这些数据
（2）找到用户A(user_id_1)的兴趣爱好
如上表，能够看到，用户A喜欢电影{m1, m2, m3}
（3）找到与用户A(user_id_1)具有同样电影兴趣爱好的用户群体集合Set<user_id>
如上表。能够看到，喜欢{m1, m2, m3}的用户，除了u1。还有{u2, u3}
（4）找到该群体喜欢的电影集合Set<movie_id>
如上表。具备同样喜好的用户群里{u2, u3}，还喜好的电影集合是{m4, m5}
画外音：“协同”就体如今这里。
（5）未来用户A(use_id_1)来訪问站点时，要推荐电影{m4, m5}给ta。
协同过滤大致原理如上。希望大家有收获。
推荐文章：