文章最前： 我是Octopus，這個名字來源於我的中文名--章魚；我熱愛編程、熱愛算法、熱愛開源。所有源碼在我的個人github ；這博客是記錄我學習的點點滴滴，如果您對 Python、Java、AI、算法有興趣，可以關注我的動態，一起學習，共同進步。
相關文章：
文章目錄:
（1）基於流行度的算法
依照一個項目的流行度進行排序，將最流行的項目推薦給用戶，比方微博推薦中，將最爲流行的大v用戶推薦給普通用戶。微博每日都有最熱門話題榜等。通過簡單熱度排序就可以。
文章->prodict whom one will follow中推薦好友有一部分採取的策略是item-popularity.通過計算在訓練集中項目被接受的次數來得到項目的流行度信息。
文章->a social and popularity-based tag recommender通過結合標籤的流行度和意見向用戶推薦標籤。
缺點：無法提供個性化推薦
長處：算法簡單
改進或者新的思路：增加用戶分羣流行度排序，把熱門體育內容先推薦給體育迷。
（2）協同過濾算法
協同過濾算法（CF）是一種經常使用的算法，在電商站點上都實用到，CF算法包含基於用戶的CF和基於物品的CF。
2.1）基於用戶的CF
1)分析各個用戶對item的評價（通過瀏覽記錄，購買記錄等）；
2)基於用戶對item的評價計算得出全部用戶之間的類似度
3)選出與當前用戶最類似的N個用戶
4)將N個用戶評價最高而當前用戶又沒有瀏覽過的Item推薦給當前用戶
首先以
2.2) 基於物品的CF
計算方式大致相同，僅僅關聯矩陣是item與item之間的關係，若用戶同一時刻同時訪問item1和item2，然後基於這種理論推給用戶。