协同过滤（Collaborative Filtering）是推荐系统中最著名的方法，它主要通过用户的历史行为分析出用户的兴趣并给用户做出推荐。协同过滤有很多算法，比较常见的有邻域算法（UserCF和ItemCF等）、矩阵分解算法（或Latent Factor Model，如RSVD和SVD++等）和图算法等。目前视频网站中比较常用的协同过滤算法是ItemCF，它的基本假设就是用户会喜欢跟自己之前喜欢视频比较类似的视频。因此在给这个用户做推荐的时候，需要先从用户的历史行为中得到他喜欢的视频列表，然后从剩下的视频中找到和用户之前喜欢列表最相似的视频推荐给他。可见这个方法最核心的就是怎样合理计算两个视频的相似度，比较常用的有余弦相似度或者皮尔逊相关系数等，实际使用的时候需要根据具体情况进行修正。一般认为ItemCF算法比较简单、容易扩展，准确度比较高，能实时更新而且可以解释，可以处理显式（打分或者感兴趣）或者隐式反馈（其他如观看等行为），所以在实际的视频推荐系统中如Netflix、Hulu和YouTube都使用了它。协同过滤方法的一个重要缺点是不能冷启动，也就是对于新加入的视频或者用户都不能做出推荐，一般需要混合其他推荐方法（比如内容过滤等）来处理这个问题。
北京网站优化公司 卓立海创邢台市人民政府seo指的是什么意思网站策划设计招聘app软件下载网站免费进入好看的网站设计公司湛江知名网站建设电话中国机加工网温州做网站哪家公司最好外包公司好吗定制头像的网站我想做app推广怎么做外贸建设企业网站服务企业服务平台是做什么的进入微信官方网站注册微信开发者工具是干嘛的做一个像美团的网站需要多少钱太原网健科技有限公司重庆特种作业证查询传奇手游网页游戏平台建设局全称企业网站定制设计公司凡科网客服电话域名注册成功了然后怎么做建设网站方法广告策划案优秀案例泰安有几个区rio门户网站的制作六安推广公司设计公司官方网站网站策划书内容