一.UserCF【基於用戶】
基於用戶的協同過濾，通過不同用戶對商品的評分來評測用戶之間的相似性，基於用戶之間的相似性進行推薦。簡單來說就是：給用戶推薦和他興趣相似的其它用戶喜歡的商品。
二.ItemCF【基於商品】
基於商品的協同過濾，通過用戶對不同商品的評分來評測商品之間的相似性，基於商品之間的相似性做出推薦。簡單來說就是：給用戶推薦和他之前喜歡的商品相似的商品。
三.計算規則
1.Co-occurrence Matrix【同現矩陣】和User Preference Vector【用戶評分向量】相乘得到這個Recommended Vector【推薦向量】。
2.基於全量數據的統計產生同現矩陣，它體現商品之間的關聯性，每件商品都有自己對其它商品的關聯性，這就是商品的特征。
3.用戶評分向量體現的是用戶對一些商品的評分，任一商品需要用戶評分向量乘以基於該商品的其它商品關聯值，求和得出針對該商品的推薦向量，排序取TopNjik 。
4.公式
四.計算邏輯
1.通過歷史訂單交易記錄計算得出每一件商品相對於其它商品同時出現在同一訂單的次數【不考慮商品的具體數量】。
2.用戶會對部分商品有過購買記錄或收藏記錄等實際操作，經過計算 會得到用戶對這部分商品的評分向量列表。
3.使用用戶評分向量列表中的分量依次乘以每一件商品同現列表中該分量代表的同現值，求和便是該商品的推薦向量。
4.圖解
五.代碼實現
未完待續。。。