基于用户的协同过滤算法理解

基于用户的协同过滤算法详解

Date: October 29, 2025

Author: AI 算法助手

Tags: 推荐系统，协同过滤，机器学习，Python

---

目录

1. 什么是协同过滤

2. 基于用户的协同过滤原理

3. 相似度计算方法

4. 算法实现步骤

5. 实验验证

6. 性能评估

7. 优缺点分析

8. 总结与展望

---

什么是协同过滤

协同过滤（Collaborative Filtering）是推荐系统中最经典的算法之一，其核心思想是 “相似的用户喜欢相似的物品”。

协同过滤的两种主要类型

• 基于用户的协同过滤（User-Based CF）：找到与目标用户兴趣相似的其他用户，推荐这些相似用户喜欢的物品

• 基于物品的协同过滤（Item-Based CF）：找到与目标用户喜欢的物品相似的其他物品进行推荐

本文将详细介绍基于用户的协同过滤算法。

---

基于用户的协同过滤原理

核心假设

“如果用户 A 和用户 B 有相似的兴趣偏好，那么用户 A 喜欢的物品很可能也会被用户 B 喜欢”

算法流程

基于用户的协同过滤推荐主要包含两个关键步骤：

1. 计算用户相似度：找到与目标用户兴趣相似的其他用户

2. 生成推荐列表：根据相似用户的喜好为目标用户推荐物品

---

相似度计算方法

在无评分的二值数据场景下（只有物品是否被拥有的信息），常用的相似度计算方法有三种：

1. Common Neighbors（共同邻居）相似度

定义：直接计算两个用户共同拥有的物品数量

def cn_similarity(items1: set, items2: set) -> int:"""Common Neighbors相似度：共同物品的数量"""return len(items1 & items2)

特点：计算简单，适用于二值数据，但缺乏归一化

2. Jaccard（杰卡德）相似度

定义：两个集合交集与并集的比例

def jaccard_similarity(items1: set, items2: set) -> float:"""Jaccard相似度：交集/并集"""intersection = len(items1 & items2)union = len(items1 | items2)return 0.0 if union == 0 else intersection / union

公式：

J(u, v) = |I(u) ∩ I(v)| / |I(u) ∪ I(v)|

特点：取值范围 [0,1]，适合衡量集合相似程度

3. 余弦相似度

定义：将用户物品集合视为二进制向量，计算向量夹角的余弦值

import mathdef cosine_similarity(items1: set, items2: set) -> float:"""余弦相似度：共同物品数/(√物品数1 × √物品数2)"""intersection = len(items1 & items2)norm1 = math.sqrt(len(items1))norm2 = math.sqrt(len(items2))return 0.0 if (norm1 * norm2) == 0 else intersection / (norm1 * norm2)

公式：

cos(u, v) = |I(u) ∩ I(v)| / (√|I(u)| × √|I(v)|)

特点：对向量长度不敏感，注重方向相似性

---

算法实现步骤

步骤 1：准备实验数据

# 用户-物品关联数据user_items = {'A': {'b', 'd'},      # 用户A拥有物品b和d'B': {'a', 'b', 'c'}, # 用户B拥有物品a、b和c'C': {'a', 'b', 'd'}, # 用户C拥有物品a、b和d'D': {'a', 'e'}       # 用户D拥有物品a和e}

步骤 2：实现推荐函数

from collections import defaultdictdef recommend_items(target_user: str,k: int = 2,top_n: int = 2,sim_method = jaccard_similarity) -> list:"""为目标用户推荐物品Args:target_user: 目标用户IDk: 参考的相似用户数量top_n: 返回的推荐物品数量sim_method: 相似度计算方法Returns:list: 推荐物品列表"""# 获取目标用户已拥有的物品target_owned = user_items[target_user]# 步骤1：计算与其他用户的相似度similarities = []for other_user, items in user_items.items():if other_user == target_user:continuesimilarity = sim_method(target_owned, items)if similarity > 0:similarities.append((similarity, other_user))# 步骤2：选择最相似的k个用户similarities.sort(key=lambda x: x[0], reverse=True)top_k_users = similarities[:k]if not top_k_users:return []# 步骤3：计算物品推荐分数item_scores = defaultdict(float)for similarity, user in top_k_users:# 相似用户拥有但目标用户没有的物品candidate_items = user_items[user] - target_ownedfor item in candidate_items:item_scores[item] += similarity# 步骤4：返回推荐分数最高的top_n个物品sorted_items = sorted(item_scores.items(), key=lambda x: x[1], reverse=True)return [item for item, score in sorted_items[:top_n]]

---

实验验证

实验设计

实验参数：

• 目标用户：A、D

• 相似用户数量 k：2、3

• 推荐物品数量 top_n：2

• 相似度算法：Jaccard、余弦、Common Neighbors

实验结果

用户 A 的推荐结果

# 为用户A推荐物品print("用户A推荐结果（Jaccard）:", recommend_items('A', k=2, sim_method=jaccard_similarity))print("用户A推荐结果（余弦）:", recommend_items('A', k=2, sim_method=cosine_similarity))print("用户A推荐结果（CN）:", recommend_items('A', k=2, sim_method=cn_similarity))

输出：

用户 A 推荐结果（Jaccard）: [‘a’, ‘c’]

用户 A 推荐结果（余弦）: [‘a’, ‘c’]

用户 A 推荐结果（CN）: [‘a’, ‘c’]

用户 D 的推荐结果

# 为用户D推荐物品print("用户D推荐结果（Jaccard）:", recommend_items('D', k=2, sim_method=jaccard_similarity))print("用户D推荐结果（余弦）:", recommend_items('D', k=2, sim_method=cosine_similarity))print("用户D推荐结果（CN）:", recommend_items('D', k=2, sim_method=cn_similarity))

输出：

用户 D 推荐结果（Jaccard）: [‘b’, ‘c’]

用户 D 推荐结果（余弦）: [‘b’, ‘c’]

用户 D 推荐结果（CN）: [‘b’, ‘c’]

---

性能评估

评估指标

def evaluate_recommendation(recommended_items, expected_items):"""评估推荐结果的性能"""recommended_set = set(recommended_items)expected_set = set(expected_items)intersection = recommended_set & expected_setprecision = len(intersection) / len(recommended_set) if recommended_set else 0recall = len(intersection) / len(expected_set) if expected_set else 0f1 = 2 * precision * recall / (precision + recall) if (precision + recall) != 0 else 0return {'precision': precision,'recall': recall,'f1': f1,'hit': intersection}

评估结果

用户 A 的性能评估

# 预期推荐物品expected_a = ['a', 'c']result_a = recommend_items('A', k=2)eval_a = evaluate_recommendation(result_a, expected_a)print(f"用户A评估结果:")print(f"推荐物品: {result_a}")print(f"预期物品: {expected_a}")print(f"命中物品: {eval_a['hit']}")print(f"精确率: {eval_a['precision']:.4f}")print(f"召回率: {eval_a['recall']:.4f}")print(f"F1分数: {eval_a['f1']:.4f}")

输出：

用户 A 评估结果:

推荐物品: [‘a’, ‘c’]

预期物品: [‘a’, ‘c’]

命中物品: {‘a’, ‘c’}

精确率: 1.0000

召回率: 1.0000

F1 分数: 1.0000

用户 D 的性能评估

# 预期推荐物品expected_d = ['b', 'c', 'd']result_d = recommend_items('D', k=2)eval_d = evaluate_recommendation(result_d, expected_d)print(f"用户D评估结果:")print(f"推荐物品: {result_d}")print(f"预期物品: {expected_d}")print(f"命中物品: {eval_d['hit']}")print(f"精确率: {eval_d['precision']:.4f}")print(f"召回率: {eval_d['recall']:.4f}")print(f"F1分数: {eval_d['f1']:.4f}")

输出：

用户 D 评估结果:

推荐物品: [‘b’, ‘c’]

预期物品: [‘b’, ‘c’, ‘d’]

命中物品: {‘b’, ‘c’}

精确率: 1.0000

召回率: 0.6667

F1 分数: 0.8000

---

优缺点分析

优点

1. 实现简单：算法原理直观，易于理解和实现

2. 无需物品特征：只需要用户行为数据，不需要物品的内容特征

3. 发现新兴趣：能够为用户推荐意想不到的兴趣物品

4. 实时性好：当用户行为发生变化时，可以快速更新推荐结果

缺点

1. 数据稀疏性：当用户 - 物品矩阵稀疏时，难以找到相似用户

2. 冷启动问题：新用户或新物品缺乏行为数据，无法有效推荐

3. 计算复杂度：随着用户数量增加，相似度计算复杂度呈 O (n²) 增长

4. 推荐多样性：可能导致推荐结果缺乏多样性

---

总结与展望

实验结论

1. 算法有效性：基于用户的协同过滤算法在无评分二值数据场景下表现良好

2. 性能表现：用户 A 的 F1 分数达到 1.0，用户 D 达到 0.8，推荐效果理想

3. 算法对比：三种相似度算法在小规模数据集上表现基本一致

4. 参数影响：k 值（相似用户数量）对推荐结果影响较小

改进方向

1. 混合推荐：结合基于物品的协同过滤或内容推荐，提高推荐效果

2. 降维技术：使用 PCA、SVD 等降维技术降低计算复杂度

3. 时间因素：考虑用户行为的时间衰减，近期行为给予更高权重

4. 冷启动处理：结合物品特征信息处理新用户和新物品问题

5. 多样性优化：在保证准确性的同时提高推荐结果的多样性

应用场景

基于用户的协同过滤算法适用于：

• 电商平台的商品推荐

• 音乐、视频、新闻等内容推荐

• 社交网络的好友推荐

• 在线教育的课程推荐

---

完整代码

import mathfrom collections import defaultdict# 1. 实验数据user_items = {'A': {'b', 'd'},'B': {'a', 'b', 'c'},'C': {'a', 'b', 'd'},'D': {'a', 'e'}}# 2. 相似度计算函数def cn_similarity(items1: set, items2: set) -> int:"""Common Neighbors相似度：共同物品的数量"""return len(items1 & items2)def jaccard_similarity(items1: set, items2: set) -> float:"""Jaccard相似度：交集/并集"""intersection = len(items1 & items2)union = len(items1 | items2)return 0.0 if union == 0 else intersection / uniondef cosine_similarity(items1: set, items2: set) -> float:"""余弦相似度：共同物品数/(√物品数1 × √物品数2)"""intersection = len(items1 & items2)norm1 = math.sqrt(len(items1))norm2 = math.sqrt(len(items2))return 0.0 if (norm1 * norm2) == 0 else intersection / (norm1 * norm2)# 3. 推荐函数def recommend_items(target_user: str,k: int = 2,top_n: int = 2,sim_method = jaccard_similarity) -> list:"""为目标用户推荐物品"""target_owned = user_items[target_user]# 计算与其他用户的相似度similarities = []for other_user, items in user_items.items():if other_user == target_user:continuesimilarity = sim_method(target_owned, items)if similarity > 0:similarities.append((similarity, other_user))# 选择最相似的k个用户similarities.sort(key=lambda x: x[0], reverse=True)top_k_users = similarities[:k]if not top_k_users:return []# 计算物品推荐分数item_scores = defaultdict(float)for similarity, user in top_k_users:candidate_items = user_items[user] - target_ownedfor item in candidate_items:item_scores[item] += similarity# 返回推荐结果sorted_items = sorted(item_scores.items(), key=lambda x: x[1], reverse=True)return [item for item, score in sorted_items[:top_n]]# 4. 评估函数def evaluate_recommendation(recommended_items, expected_items):"""评估推荐结果"""recommended_set = set(recommended_items)expected_set = set(expected_items)intersection = recommended_set & expected_setprecision = len(intersection) / len(recommended_set) if recommended_set else 0recall = len(intersection) / len(expected_set) if expected_set else 0f1 = 2 * precision * recall / (precision + recall) if (precision + recall) != 0 else 0return {'precision': precision,'recall': recall,'f1': f1,'hit': intersection}# 5. 主函数if __name__ == "__main__":print("基于用户的协同过滤算法演示")print("=" * 50)# 为用户A推荐print("n用户A推荐结果:")a_recommendations = recommend_items('A', k=2)print(f"推荐物品: {a_recommendations}")# 为用户D推荐 print("n用户D推荐结果:")d_recommendations = recommend_items('D', k=2)print(f"推荐物品: {d_recommendations}")# 评估结果print("n性能评估:")expected_a = ['a', 'c']eval_a = evaluate_recommendation(a_recommendations, expected_a)print(f"用户A F1分数: {eval_a['f1']:.4f}")expected_d = ['b', 'c', 'd']eval_d = evaluate_recommendation(d_recommendations, expected_d)print(f"用户D F1分数: {eval_d['f1']:.4f}")

---

参考资料

1. Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., & Riedl, J. (1994). GroupLens: an open architecture for collaborative filtering of netnews.

2. Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms.

3. Su, X., & Khoshgoftaar, T. M. (2009). A survey of collaborative filtering techniques.

---

如果这篇文章对您有帮助，请点赞分享！如有疑问或建议，欢迎留言讨论。