基于物品的协同过滤推荐算法

1. 根据行为列表，计算用户、物品评分矩阵
2. 根据用户物品评分矩阵，计算物品物品相似度矩阵
3. 物品物品相似度矩阵 * 用户物品评分矩阵 = 推荐列表
4. 推荐列表中，用户之前有过的行为置0

基于用户的协同过滤推荐算法

1. 根据行为列表，计算物品、用户评分矩阵
2. 根据用户物品评分矩阵，计算用户用户相似度矩阵
3. 用户用户相似度矩阵 * 物品用户评分矩阵 = 推荐列表
4. 推荐列表中，用户之前有过的行为置0

基于内容的推荐算法

用1表示物品具有某个特征，0表示不具有某个特征

1. 构建 Item-Profile 矩阵
2. 构建 Item-User 评分矩阵
3. Item-User * Item-Profile = User Profile （用户对不同标签感兴趣的程度）
4. 对 Item-Profile 与 User Profile 求余弦相似度
5. 推荐列表中，用户之前有过的行为置0