深入浅出推荐系统（三）：召回：协同过滤--永恒的经典

亚马逊作为商业化推荐系统的祖师，推出的开山之作便是协同过滤（collaborative filtering）。即使到了以深度学习为主流召回算法的今天，协同过滤仍然是推荐系统召回策略中绕不开的经典算法。它的思路简洁易懂，效果却出奇地好。今天，我们便来深入聊聊协同过滤算法。

什么是协同过滤

所谓“协同”，是指用户之间或物品之间的相似性，“过滤”则是指根据相似性，从大量物品中进行筛选的过程。这里说的相似性，并不等同于我们上一章中所讲的内容在语义上的相似。这里的“相似”，是与用户行为相关的，通常是指用户对物品的行为，主要是指评分，也包含点击、点赞、收藏、评论等隐性行为，当一群用户都对某几个物品进行操作，则这些物品便被认为是相似的。协同过滤认为，同样一群人喜欢的物品是相似的，反过来，喜欢同样物品的人，也是彼此相似的，它所蕴含的哲学思想便是“物以类聚，人以群分”。

协同过滤有两种形式：基于物品的协同过滤（Item-based CF）和基于用户的协同过滤（User-based CF）。在亚马逊上线协同过滤系统之后，顾客选择一本自己感兴趣的书，就会在底下看到一行"Customer Who Bought This Item Also Bought"，这是基于Item的协同过滤；知乎、小红书等社交媒体上推荐信息流中你所关注的人“也关注了这个问题”或”点赞了这个帖子”便是基于User的协同过滤。

协同过滤算法原理

协同过滤的中心思路是计算物品之间的相似度，从而根据相似度进行排序，挑选出与用户操作过的物品最相似的若干物品（Item CF），或者计算用户之间的相似度，找到与目标用户相似的若干用户，将这些用户喜好的物品推荐给目标用户（User CF）。

计算相似度之前，需要构建用户与物品的评分矩阵。假设一个推荐网站有M个用户和N个物品，则评分矩阵如下：
$$\begin{gathered} \begin{array}{c}Item\end{array} \\ User\left(\begin{array}{cccc}{r}_{11}& r_{12}& \cdots & r_{1N}\\ r_{21}& r_{22}& \cdots & r_{2N}\\ ⋮& ⋮& \cdots & ⋮\\ r_{(M-1)1}& r_{(M-1)2}& \cdots & r_{(M-1)N}\\ r_{M1}& r_{M2}& \cdots & r_{MN}\end{array}\right) \end{gathered}$$
矩阵中每一行表示该行对应的用户对各个物品的评分，每一列表示该列对应的物品所获得的各个用户的评分。此处的评分依据具体的业务场景而定，通常情况下，对于电商、图书/电影评论类网站，分数为0-5分（半分为一档），或缺失值；而对于如信息流的点击行为来说，评分可以设置为0/1和缺失值。这样，物品的相似度便可以使用列向量之间的余弦距离来表示，如下：

图中物品i和j的相似度表示如下：
$$sim(v_i,v_j)=cos(\overrightarrow{v_i},\overrightarrow{v_j})=||v_i$$