大数据快速运算（共享）

推荐系统的研究已相当广泛，也是最为大众所知的一种机器学习模型，目前最为流行的推荐系统所应用的算法是协同过滤，协同过滤用于推荐系统，这项技术是为填补关联矩阵的缺失项而实现推荐效果。简单的说，协同过滤是利用大量已有的用户偏好，来估计用户对其未接触过的物品的喜好程度。

在协同过滤算法中有着两个分支：基于群体用户的协同过滤（UserCF）和基于物品的协同过滤（ItemCF）。

1.  基于物品的推荐（ItemCF）

基于物品的推荐是利用现有用户对物品的偏好或是评级情况，计算物品之间的某种相似度，以用户接触过的物品来表示这个用户，再寻找出和这些物品相似的物品，并将这些物品推荐给用户。

2、基于用户的推荐（UserCF）

基于用户的推荐，可用“志趣相投”一词所表示，通常是对用户历史行为数据分析，如购买、收藏商品或搜索内容，通过某种算法将用户喜好物品进行打分。根据不同用户对相同物品或内容数据的态度和偏好程度计算用户间关系程度，在相同喜好用户间进行商品推荐。