为简单的物品或者商品详情页底部设计推荐功能

选择适合的算法

根据使用场景选择不同的算法，如果是为简单的物品或者商品详情页底部设计推荐功能，即可使用“基于内容推荐算法”，根据当前物品的内容信息推荐相关的物品，当然这个并非是个性化推荐，但确实使用最广的一种推荐方式。若你的网站是做知识培训的，那可以尝试构建基于知识的推荐，这种推荐方式根据用户需求及用户所处知识阶段进行推荐，更贴合所在场景。

而本篇我主要介绍“基于物品的协同过滤算法”，这个算法与“基于用户的协同过滤算法”共同被称为“基于邻域的协同过滤算法”。下面，我们对这类算法进行简单的介绍。

1. 基于邻域的协同过滤算法

从字面上理解“邻域”在数学上指的是“邻域是一个特殊的区间，以点a为中心点任何开区间称为点a的邻域，记作U(a)”，我们可以简单的理解为某个集合点中的左右相邻区间。而“协同过滤”在百度百科上解释为“利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息”。那么“基于邻域的协同过滤算法”总结一下就是基于某个维度的相邻区间中利用兴趣相投或共同经验的群体的喜好，找到用户感兴趣的信息。

从某个维度，我们常用用户或者物品所组成的集合区间，所以基于邻域的算法分为两大类，一类是基于用户的协同过滤算法，另一类是基于物品的协同过滤算法。而基于邻域的算法是推荐系统中最基本的算法，该算法不仅在学术界得到了深入研究，而且在业界得到了广泛应用。非常多的个性化推荐算法多使用或混合使用了基于领域的协同过滤算法。可能一些大厂会在这个算法的基础上加入机器学习的理念，克服这个算法本身的缺点。

2. 用户画像与基于邻域的推荐算法

大家一定记得上一篇向大家介绍了用户画像，我们通过用户行为分析，拆解成用户标签，并组合成了用户画像。而利用该用户画像，我们就可以使用基于邻域的推荐算法，因为这个算法最核心的一步就是找到用户的兴趣点。

而我们的用户画像就可以满足这个要求，我们可以通过用户画像计算用户之前的相似度，再推荐另外一个用户感兴趣的内容，这就是“基于用户的协同过滤算法”；我们也可以通过用户画像计算出用户感兴趣的物品相似的物品，这就是“基于物品的协同过滤算法”。