基于项目的协同过滤推荐的基本原理，与基于用户的也是类似的，只是说它使用所有用户对物品或者信息的偏好，发现物品和物品之间的相似度，然后根据用户的历史偏好信息，将类似的物品推荐给用户，可参考下图：
基于物品的协同推荐
其实基于项目的协同过滤推荐机制是 Amazon 在基于用户的机制上改良的一种策略，因为在大部分的 Web 站点中，物品的个数是远远小于用户的数量的，而且物品的个数和相似度相对比较稳定，同时基于项目的机制比基于用户的实时性更好一些。但也不是所有的场景都是这样的情况，可以设想一下在一些新闻推荐系统中，也许物品，也就是新闻的个数可能大于用户的个数，而且新闻的更新程度也有很快，所以它的形似度依然不稳定。所以，其实可以看出，推荐策略的选择其实和具体的应用场景有很大的关系。
基于项目的协同推荐在亚马逊中的应用
Amazon 作为推荐引擎的鼻祖，它已经将推荐的思想渗透在应用的各个角落。Amazon 推荐的核心是通过数据挖掘算法和比较用户的消费偏好与其他用户进行对比，借以预测用户可能感兴趣的商品。对应于第一部分的各种推荐机制，Amazon 采用的是分区的混合机制。采用多种推荐机制，并将不同的推荐结果分不同的区显示给用户。
登录亚马逊之后，随机点开一个商品，在商品描述下面会出现【购买此商品的顾客也同时购买】栏目，这就是非常典型的基于项目的协同过滤推荐，通过推荐跟我有同样兴趣的用户购买的产品，能帮我更快速地找到感兴趣的产品。
购买此商品的顾客同时也购买
同时，你是不是也想起在其它地方貌似也见过这个呢？比如拉勾的，投递了这个岗位的人还投递了xx职位之类的。
大纲如下：
第二部分：协同过滤推荐之基于用户的协同过滤推荐（以麦包包为例）；
