1. 协同过滤概述：推荐系统简介、协同过滤核心思想、基于用户与基于物品的对比、冷启动问题初探
1.1 推荐系统到底在解决什么问题？
先聊聊推荐系统。说白了，它要解决的就是一个核心矛盾：信息过载。
你想想看，用户每天面对海量的商品、视频、文章，根本看不过来。推荐系统的作用，就是帮用户做「选择题」——把最可能感兴趣的东西，主动推到面前。
我个人习惯把推荐系统比作一个「聪明的导购」。它不需要你开口问，就能猜到你想要什么。我在项目中遇到过不少业务方，一开始总想着让用户自己搜、自己选。结果呢？用户流失率居高不下。后来上了推荐系统，转化率直接翻了一倍。
推荐系统的核心目标其实就三个：
- 帮用户发现价值：找到用户自己都没意识到的好东西
- 提升业务指标：点击率、转化率、留存率，总得占一样
- 降低用户决策成本：别让用户翻十页才找到想要的
一句话总结：推荐系统 = 在正确的时间，把正确的内容，推给正确的人。
1.2 协同过滤的核心思想
协同过滤（Collaborative Filtering）是推荐系统里最经典、最基础的方法。它的思想其实特别朴素：物以类聚，人以群分。
怎么理解呢？我给你举个例子。
假设你和小明都喜欢看《三体》和《银河帝国》。现在小明又看了一本《沙丘》，而且给了高分。那系统就会觉得：你和小明口味相似，所以《沙丘》很可能也适合你。
这就是协同过滤的底层逻辑——利用群体的智慧来做推荐。它不需要知道物品的内容是什么，也不需要理解用户的兴趣标签。它只依赖一个东西：用户-物品的交互行为。
我记得刚入行时，总觉得协同过滤太「笨」了，连物品是什么都不管。后来在电商项目里才发现，正是这种「不管内容」的特性，让它能处理各种类型的物品——书、电影、衣服、零食，统统可以。
我的经验：协同过滤最适合的场景是「用户行为数据丰富」的地方。如果用户交互数据稀疏，效果会大打折扣。这个后面会细说。
1.3 基于用户的协同过滤 vs 基于物品的协同过滤
协同过滤有两个主流分支：User-based CF 和 Item-based CF。很多人刚学的时候容易搞混，我帮你理清楚。
1.3.1 基于用户的协同过滤（User-based CF）
核心思路：找到和你相似的用户，把他们喜欢的东西推荐给你。
流程大概是这样的：
- 计算用户之间的相似度（比如用余弦相似度、皮尔逊相关系数）
- 找到与目标用户最相似的 K 个用户（称为「最近邻」）
- 把这些邻居喜欢的、但目标用户没见过的物品，按得分排序推荐
举个例子：
用户A：看过《黑客帝国》《盗梦空间》《星际穿越》
用户B：看过《黑客帝国》《盗梦空间》《降临》
用户C：看过《星际穿越》《降临》《银翼杀手》
目标用户A的邻居是用户B（相似度高）
用户B看过《降临》且评分高 → 推荐给用户A我在项目中遇到过一个问题：User-based CF 在用户量很大的时候，计算相似度的成本非常高。你想想看，几千万用户两两算相似度，那计算量是 O(n²) 级别的。嗯，这里要注意，不适合用户规模太大的场景。
1.3.2 基于物品的协同过滤（Item-based CF）
核心思路：找到和你喜欢的物品相似的物品，推荐给你。
流程：
- 计算物品之间的相似度（基于用户对物品的评分行为）
- 找到目标用户已交互物品的相似物品
- 把这些相似物品推荐给用户
注意这里的「相似」不是内容上的相似，而是行为上的相似。比如，买《三体》的人也经常买《银河帝国》，那这两本书就算「行为相似」。
关键区别：User-based CF 找「相似的人」，Item-based CF 找「相似的物」。
1.3.3 两者对比
| 对比维度 | User-based CF | Item-based CF |
|---|---|---|
| 适用场景 | 用户数少、物品数多 | 物品数少、用户数多 |
| 实时性 | 较差（用户相似度需定期更新） | 较好（物品相似度可离线计算） |
| 可解释性 | 较弱（「因为和你相似的人喜欢」） | 较强（「因为你喜欢A，所以推荐B」） |
| 冷启动 | 新用户难处理 | 新物品难处理 |
| 计算复杂度 | O(n²) 用户相似度 | O(m²) 物品相似度 |
我个人习惯：在电商场景里，Item-based CF 用得更多。为什么？因为电商的物品数量相对稳定（比如几百万个SKU），但用户量可能上亿。算物品相似度比算用户相似度划算得多。
避坑指南：我曾经在一个视频推荐项目里硬上 User-based CF，结果用户相似度矩阵存了 500GB，每次更新要跑 8 小时。后来换成 Item-based CF，计算量直接降到原来的 1/10。选型一定要看数据规模。
1.4 冷启动问题初探
冷启动，说白了就是「新用户/新物品没有行为数据，怎么推荐？」
这是协同过滤的「阿喀琉斯之踵」。因为它完全依赖用户行为，一旦行为数据为零，算法就「巧妇难为无米之炊」了。
冷启动分三种情况：
- 用户冷启动：新用户注册，没有任何历史行为
- 物品冷启动：新商品上架，没有任何用户交互
- 系统冷启动：整个推荐系统刚上线，没有任何数据
怎么解决？我分享几个常用的思路：
1.4.1 用户冷启动的常见解法
- 利用注册信息：性别、年龄、地域、兴趣标签。虽然粗糙，但总比没有强
- 热门推荐：新用户先看全站最热的内容。虽然不够个性化，但至少不会太差
- 探索策略：给新用户随机推荐一些物品，收集反馈后再做个性化
- 迁移学习：如果用户在其他平台有行为，可以尝试迁移（注意合规）
1.4.2 物品冷启动的常见解法
- 基于内容的方法：利用物品的属性（标题、分类、标签）做相似度计算
- 强制曝光：把新物品插入到推荐列表的某些位置，收集用户反馈
- 利用关联规则：比如「买A的人也可能买B」，新物品如果和A同品类，可以尝试关联
我的建议：冷启动没有银弹。我一般会组合使用多种策略，比如「热门推荐 + 少量探索 + 注册信息粗筛」。等用户行为积累到一定量（比如 10 次点击），再切换到协同过滤。
1.4.3 冷启动的评估指标
怎么判断冷启动策略好不好？我常用这几个指标：
- 覆盖率：新物品/新用户被推荐的占比
- 探索效率：多少新物品在曝光后获得了正向反馈
- 冷启动转化率：新用户首次推荐后的点击/购买率
一句话总结冷启动：先用规则和内容撑住场面，等数据够了再上协同过滤。别一上来就追求「完美个性化」，先让用户「有的看」。
1.5 本章小结
这一章我们聊了：
- 推荐系统解决的是信息过载问题
- 协同过滤的核心是利用群体行为做推荐
- User-based CF 和 Item-based CF 各有优劣，选型要看数据规模
- 冷启动是协同过滤的短板，需要组合策略来弥补
下一章，我会带你手撸一个 User-based CF 的代码实现。到时候你会看到，这些理论到底是怎么落地的。
嗯，先消化这些吧。有问题随时交流。