4.2.2　基于标的物的协同过滤

类似地，将与用户操作过的标的物最相似的标的物推荐给用户，就是基于标的物的协同过滤的核心思想。

用户u对标的物s的喜好度sim(u,s)可以采用如下公式计算

其中，S是所有用户操作过的标的物的列表，score(u,s_i)是用户u对标的物s_i的喜好度，sim(s_i,s)是标的物s_i与s的相似度。

有了用户对每个标的物的评分，基于评分降序排列，就可以取相似度最大的topN标的物推荐给用户了。

从上面的介绍可以看出，协同过滤算法思路非常直观易懂，计算公式也相对简单，并且易于分布式实现（后面两节会介绍），同时该算法也不依赖于用户及标的物的其他metadata信息。协同过滤算法被Netflix、Amazon等大的互联网公司证明效果非常好，能够为用户推荐新颖性内容，所以一直以来都在工业界有非常广泛的应用。