本文主要是介绍协同过滤前置条件，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、前置知识
什么是集体智慧
集体智慧是一种共享或群体的智能，它通过结合多个人的知识、数据、技能和智力，协同解决社会问题。在移动互联网时代，集体智慧在Web应用中发挥着重要作用，表现为群体决策、众包、在线知识社区等多种形式。集体智慧的特征在于一致和协调的集体思考，对问题的集体解决能力，以及通过共享知识和资源优化决策。其应用广泛，包括谷歌搜索算法、社交网络服务、众包等领域，共同构建和优化用户体验。
因此，集体智慧是指在大量的人群的行为和数据中收集答案，帮助你对整个人群得到统计意义上的结论，这些结论是在单个个体上无法得到的，它往往是某种趋势或者人群中共性的部分。
集体智慧案例
Wikipedia （维基百科）是一个知识管理的百科全书。 允许用户贡献知识，参与人数的增多，Wikipedia 涵盖各个领域的知识库与全面。在 Wikipedia 上，这种改版和修正被变为每个人都可以做的事情，任何人发现错误或者不完善都可以贡献他们的想法，即便某些信息是错误的，但它一定也会尽快的被其他人纠正过来。从一个宏观的角度看，整个系统在按照一个良性循环的轨迹不断完善，这也正是集体智慧的魅力。例如我们常见的个性化推荐产品，如电商，如头条，网易等等，不管是推荐系统也好，搜索也罢，各种策略产品，是不是大家越使用、越反馈，越懂你，越精准，这里的本质原理是“相通”的。
Google 利用了现在 Internet 上所有 Web 页面上链接的集体智慧，找到哪些页面是重要的。例如页面上各种的链接，找到哪些页面，是不是和我们很多内容型产品，找到相似的内容资料，如文章，如视频等相似呢？ 这也是用户对内容的行为反馈。
二、什么是协同过滤
协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。
协同过滤一般是在大量的人群的行为和数据中收集答案，从大量的用户中发掘出一小部分和你品位比较类似的用户（数据，动作，用户/内容画像），在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。当然其中有一个核心的问题：
这篇关于协同过滤前置条件的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
