簡單來說是利用某興趣相投、擁有共同經驗之群體的喜好來推薦使用者感興趣的資訊，個人透過合作的機制給予資訊相當程度的回應（如評分）并記錄下來以達到過濾的目的進而幫助別人篩選資訊，回應不一定局限于特別感興趣的，特別不感興趣資訊的紀錄也相當重要。協同過濾又可分為評比（rating）或者群體過濾（social filtering）。其后成為電子商務當中很重要的一環，即根據某顧客以往的購買行為以及從具有相似購買行為的顧客群的購買行為去推薦這個顧客其“可能喜歡的品項”，也就是借由社群的喜好提供個人化的資訊、商品等的推薦服務。除了推薦之外，近年來也發展出數學運算讓系統自動計算喜好的強弱進而去蕪存菁使得過濾的內容更有依據，也許不是百分之百完全準確，但由于加入了強弱的評比讓這個概念的應用更為廣泛，除了電子商務之外尚有資訊檢索領域、網絡個人影音柜、個人書架等的應用等。

?

優點

以使用者的角度來推薦的協同過濾系統有下列優點:

• 能夠過濾機器難以自動內容分析的資訊，如藝術品，音樂等。
• 共用其他人的經驗，避免了內容分析的不完全或不精確，并且能夠基于一些復雜的，難以表述的概念（如資訊品質、個人品味）進行過濾。
• 有推薦新資訊的能力。可以發現內容上完全不相似的資訊，使用者對推薦資訊的內容事先是預料不到的。可以發現使用者潛在的但自己尚未發現的興趣偏好。
• 推薦個性化、自動化程度高。能夠有效的利用其他相似使用者的回饋資訊。加快個性化學習的速度。

缺點

雖然協同過濾作為一推薦機制有其相當的應用，但協同過濾仍有許多的問題需要解決。整體而言，最典型的問題有

• 新使用者問題(New User Problem) 系統開始時推薦品質較差
• 新項目問題(New Item Problem) 品質取決于歷史資料集
• 稀疏性問題（Sparsity）
• 系統延伸性問題（Scalability）。

?

總結

以上是生活随笔為你收集整理的协同过滤（英语：Collaborative Filtering）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。