首先回想一下，协同过滤算法主要有两种，一种是基于用户的协同过滤算法（UserCF），还有一种是基于物品的协同过滤算法（ItemCF）。
基于用户的协同过滤算法主要有两步：
1）找到和目标用户兴趣类似的用户集合
2）找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户。
基于物品的协同过滤算法主要有两步：
1）计算物品之间的类似度。
2）依据物品的类似度和用户的历史行为给用户生成推荐列表。
由此能够看出UserCF是推荐用户所在兴趣小组中的热点，更注重社会化，而ItemCF则是依据用户历史行为推荐类似物品，更注重个性化。所以UserCF一般用在新闻类站点中。如Digg,而ItemCF则用在其它非新闻类站点中。如Amazon,hulu等等。
由于在新闻类站点中，用户的兴趣爱好往往比較粗粒度，非常少会实用户说仅仅看某个话题的新闻，往往某个话题也不是天天会有新闻的。
可是，在图书。电子商务和电影站点等方面，ItemCF则能更好的发挥作用。
THE END