基本思想:利用一些兴趣爱好相似、拥有相同经验群体的偏好给目标用户推荐可能感兴趣的项目。
协同过滤算法的实现：构建用户一一项目矩阵，寻找最近邻居，产生TOP-N推荐数据三个步骤。
目前协同过滤推荐技术的主要类型为:
1、基于用户的协同过滤推荐方法
根据用户访问行为的相似性向目标用户推荐可能感兴趣的资源，其处理过程如图所示。
2、基于项目的协同过滤推荐方法
Sarwr教授提出的基于项目的协同过滤技术的基本思想:计算已评价项目与待预测项目的相似度来寻找推荐对象的最近邻居。基于该算法的推荐精确度低，可对算法进行改进:首先基于项目特征属性矩阵计算项目间相似性，找出邻居项目的候选集，然后基于用户——项目评分矩阵计算目标项目与邻居项目候选集中项目的相似性，找出目标项目的最近邻居集，该项目利用自身属性和用户评价的影响，虽然解决了数据的稀疏性和冷启动问题，但是对于新用户还是无法有效推荐。
3、基于模型的协同过滤推荐方法
基于协同过滤算法存在的数据稀疏和冷启动问题，提出了基于模型的协同过滤算法。它是根据数据库中的数据，建立相应的模型生成新的预测和用户偏好，模型有基于贝叶斯网络技术的模型、基于SVD奇异值分解技术的模型、基于关联规则的模型和基于聚类的模型等。这种方法的关键在于如何将用户的最新信息实时的反馈给模型，从而提高推荐的精确度。
