人工智能应用- 推荐算法：02.推荐算法的基本思想

推荐算法的核心思想是基于用户或物品之间的“相似性”来推测潜在兴趣。例如，当用户购买了一部手机，系统可能会推荐手机壳或无线耳机，因为这些商品与手机存在相似性——它们都属于电子产品。同样，若系统发现某用户是 20 岁的年轻女性，而许多同龄人购买了遮阳帽，便可能推荐遮阳帽给该用户。这是基于用户属性的相似性推断。

在上述例子中，相似性通过用户或物品的属性定义。除此以外，推荐系统还可以基于用户行为数据来分析相似性，这构成了协同过滤算法的核心。例如，如果用户A 和用户B 都购买了相同的T 恤、裤子和帽子，系统便认为两人的消费偏好相似。当用户A 购买了某款皮鞋时，系统可能将这款皮鞋推荐给用户 B，认为B 也会对此感兴趣。

同样，如果商品 A 和商品B 经常被同一用户同时购买，系统会推断这两件商品具有相似性。当其他用户购买商品 A 时，系统便可能推荐商品 B。这种基于用户行为判断相似性的策略广泛应用于电商平台、视频推荐、社交媒体等场景。

基于物品属性相似性的推荐

基于用户行为相似性的推荐