目录
1、基于物品协同过滤(Item-CF-Based)算法原理
2、Item-CF-Based算法流程
3、python实现
4、总结
Item-CF-Based算法原理：基于物品协同过滤推荐是通过不同对Item的评分来评测Item之间的相似性，从而基于Item的相似性做推荐。简单的说就是给用户推荐他之前喜欢物品的相似物品。
算法流程：
1、建立物品倒排表
Item倒排
2、根据倒排表，构建同现矩阵（物品共同评分用户数）
物品同现矩阵
结合Item相似度计算公式：，可得物品相似度矩阵
物品相似度矩阵
3、计算预测评分，ItemCF通过公式：计算用户u对物品i的兴趣，其中
用户喜欢的物品集合；
和物品j最相似的K个物品的集合；
物品i和j的相似度；
用户u对物品j的兴趣评分
从公式可知：与用户历史上喜欢的物品相似度高的物品，越会打分靠前排在推荐列表前面。
python实现：https://github.com/SolodanceMagicq/RecommendSys/tree/master/CF/ItemCF
总结：ItemCF与UserCF类似，都是协同过滤推荐算法。其不同是前者基于和历史物品的相似度推荐，是物以类聚思想，倾向于个性化推荐；后者按人以群分思想，更偏向于热点内容推荐。
