结论
协同过滤即
- 用户A 喜欢物品a 物品c
- 用户B 喜欢物品b 物品c
- 用户C 喜欢物品a 物品c 物品d
如需要给用户A推荐物品时，和它最相似的用户是用户C，那么会给用户A推荐用户C有的而用户A没有的物品，即物品d。
协同过滤与传统过滤比较，它有着下列优点
- 能够过滤难以进行机器自动基于内容分析的信息
- 能够基于一些复杂的，难以表达的概念进行过滤
- 推荐的新颖性
协同过滤是个性化推荐的一种算法实现
协同过滤的定义
(百度百科)
协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。协同过滤算法得到的是对一件item的评分。
(百度知道)
协同过滤主要是以属性或兴趣相近的用户经验与建议作为提供个性化的基础。透过协同过滤，有助于搜集具有类似偏好或属性的用户，并将其意见提供给同一集群中的用户作为参考，以满足人们通常在决策之前参考他人意见的心态。
(搜狗百科)
协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。
小结：协同过滤属于一种新式的算法，通过对用户的兴趣了解进行计算，并分析出用户所感兴趣的内容进行推送
[ 我认为这里面定义中搜狗百科定义更加准确 原因在于他不仅将协同过滤的内容进行专业的讲解 同时还将通俗定义也一并解释 方便大众了解]
[ 基本概念就是把这种推荐方式变成自动化流程。主要是以属性或兴趣相近的用户经验与建议作为提供个性化推荐的基础。]
