工程架構方向的程序員，看到推薦/搜索/廣告等和演算法相關的技術，心中或多或少有一絲膽怯。但認真研究之後，發現其實沒有這麼難。
今天的1分鐘系列，給大家介紹下推薦系統中的「協同過濾」，絕無任何公式，保證大夥弄懂。
什麼是協同過濾（Collaborative Filtering）？
答
：通過找到興趣相投，或者有共同經驗的群體，來向用戶推薦感興趣的信息。
舉例，如何協同過濾，來對用戶A進行電影推薦？
答
：簡要步驟如下
找到用戶A(user_id_1)的興趣愛好
找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set
找到該群體喜歡的電影集合Set
將這些電影Set
具體實施步驟如何？
答
：簡要步驟如下
（1）畫一個大表格，
橫坐標
是所有的movie_id，
縱坐標
所有的user_id，
交叉
處代表這個用戶喜愛這部電影
如上表：
橫坐標，假設有10w部電影，所以橫坐標有10w個movie_id，數據來源自
資料庫
縱坐標，假設有100w個用戶，所以縱坐標有100w個user_id，數據也來自
資料庫
交叉處，「1」代表用戶喜愛這部電影，數據來自
日誌
畫外音：什麼是「喜歡」，需要人為定義，例如瀏覽過，查找過，點贊過，反正日誌里有這些數據
（2）找到用戶A(user_id_1)的興趣愛好
如上表，可以看到，用戶A喜歡電影{m1, m2, m3}
（3）找到與用戶A(user_id_1)具有相同電影興趣愛好的用戶群體集合Set
如上表，可以看到，喜歡{m1, m2, m3}的用戶，除了u1，還有{u2, u3}
（4）找到該群體喜歡的電影集合Set
如上表，具備相同喜好的用戶群里{u2, u3}，還喜好的電影集合是{m4, m5}
畫外音：「協同」就體現在這裡。
（5）未來用戶A(use_id_1)來訪問網站時，要推薦電影{m4, m5}給ta。
協同過濾大致原理如上，希望大家有收穫。
