协同过滤

概述

协同过滤（Collaborative Filtering, CF）是一种信息过滤方法，通过收集和分析用户群体对文档或物品的主观评价与行为数据，利用群体智慧帮助个体从海量信息中筛选出有价值的内容。

关键内容

1. 核心定义：协同过滤的含义是"人们通过记录自己对所阅读文档的反应，来协作地帮助彼此进行信息过滤"。这一术语由 Douglas Terry 在开发 Tapestry 系统 过程中首次创造并发表于 1992 年 CACM 论文。

2. 手动协同过滤 vs 自动协同过滤：

3. 手动 CF（Tapestry, 1992）：用户需要知道并主动选择信任特定的人，自行编写查询规则（如 TQL）。适用于小型熟人社区。

4. 自动 CF（GroupLens, 1994 及以后）：系统自动计算用户间相似度，发现品味相近的陌生人并生成推荐。可扩展到大规模用户群。

5. 核心机制：

6. 显式反馈：用户主动点击"Like It!"/"Hate It!"、评分、撰写评论
7. 隐式反馈：通过点击、购买、浏览时长等行为推断偏好

8. 标注共享：用户的评价被存储并公开，其他人的过滤器可引用这些标注

9. 与基于内容过滤的区别：基于内容的过滤 关注"文档是什么"（关键词、主题、元数据），协同过滤关注"别人怎么评价"。两者互补，现代推荐系统通常将二者融合为 混合推荐系统。

10. 关键挑战：

11. 冷启动问题：新用户无历史数据、新物品无评价时无法推荐
12. 标注稀疏性：绝大多数文档/物品缺乏用户评价
13. 规模限制：手动 CF 仅适用于小型社区

14. 激励不对称：标注成本由标注者承担，收益由他人享受

15. 历史影响：从 Tapestry 的"推荐卡片"到 Amazon 的"购买了的人还买了"，再到 Netflix、YouTube、TikTok 的推荐引擎，协同过滤的核心思想——利用群体智慧帮助个体做出选择——一脉相承，支撑起价值数千亿美元的推荐系统产业。

来源

• Tapestry 系统 — Goldberg et al. (1992), "Using Collaborative Filtering to Weave an Information Tapestry", CACM 35(12), 61-70
• raw/books/推荐系统/02-grouplens-collaborative-filtering.md — GroupLens 自动化协同过滤详解

相关

• Tapestry 系统 — 首次提出协同过滤术语和概念
• GroupLens — 实现自动化协同过滤的里程碑系统
• 基于内容的过滤 — 与协同过滤互补的信息过滤方法
• 混合推荐系统 — 融合内容过滤与协同过滤的主流范式
• 冷启动问题 — 协同过滤面临的经典挑战
• 显式反馈 — 协同过滤的核心数据来源