老陈搬进阳光小区，第一天就在“社区美食群”里潜水。他发现自己和一位叫小林的群友口味出奇一致：都爱吃川菜、都嫌小区门口的奶茶太甜、都常去同一家卤味店。老陈心想：既然小林说后街新开的火锅店值得一试，那多半差不了。这种“口味像的人说好，我就去试试”的生活直觉，就是用户协同过滤的灵感来源。推荐系统把这套直觉搬进算法——先找出和你口味最像的一小群人，再让这群人替你投票、替你筛选、替你打分。你不需要懂商品百科，只需要找到“懂你的朋友”就够了。这篇文章会带你拆解这套逻辑的每一步：怎么量化相似、怎么选朋友、怎么聚合推荐，以及它在真实产品里如何落地。

岗位关联

掌握 UserCF，你就拿到了推荐系统的第一把钥匙——理解“人以群分”如何驱动个性化分发，能在电商、内容、社交等场景快速落地第一版推荐。

目录
  1. 可视化演示
  2. 核心思想：人以群分的口碑密码
  3. 相似度计算：如何量化“口味相投”
  4. 邻居选择：只信最像的几位饭友
  5. 评分预测：温柔地加权，聪明地修正
  6. TopN 推荐：输出“大家都说好”的前三名
  7. 稀疏性问题：潜水党太多怎么办
  8. 应用与优化：从口碑群到规模化系统
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

动态演示用户协同过滤的核心机制，通过全局/局部/动态/静态四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

用户协同过滤：用户CF 用户CF核心思想 用户相似度计算方法 核心机制可视化 用户协同过滤整体架构与关键组件

核心思想：人以群分的口碑密码

老陈搬进阳光小区，第一天就在“社区美食群”里潜水。他发现自己和一位叫小林的群友口味出奇一致：都爱吃川菜、都嫌小区门口的奶茶太甜、都常去同一家卤味店。老陈心想：既然小林说后街新开的火锅店值得一试，那多半差不了。这种“口味像的人说好，我就去试试”的生活直觉，正是用户协同过滤（UserCF）的灵感来源。

推荐系统把这套直觉搬进算法：把每个用户积累的评分、点赞、购买记录看作一份“口味档案”。要预测老陈会不会喜欢某件商品，系统不去死磕商品本身的属性，而是先找出和老陈档案最像的那批人，再让这批人“替你投票”。算法只信三个字——人以群分。

在数学上，所有用户的口味档案被组织成一张“用户-物品”评分矩阵。每一行是一个用户对所有物品的态度，每一列是一件物品被所有用户的评价情况。UserCF 的执行分三步：从矩阵读出每位用户的行为向量；两两计算用户的相似度；选出相似邻居后按邻居评分加权预测并排序。

回到小区美食群：每个群友一行，每家店一列，谁夸过哪家店就在格子里记一笔。UserCF 就是在这个“口碑登记表”上做文章——先找到笔迹最像你的人，再让你代他下判断。

R=[rui]m×n,rui∈RR = [r_{ui}]_{m \times n}, \quad r_{ui} \in \mathbb{R}
这张“口味登记表”就是 UserCF 的心脏：m 个用户、n 件物品，中间每个格子存放“用户 u 对物品 i 的评分”。
  1. 矩阵维度评分表共有 $m$ 行和 $n$ 列，行对应 $m$ 个用户，列对应 $n$ 件物品。
    R∈Rm×nR \in \mathbb{R}^{m \times n}
  2. 行向量含义第 $u$ 行整体刻画了用户 $u$ 的口味画像，即他对各件物品的喜好。
    ru=(ru1,ru2,…,run)r_{u} = (r_{u1}, r_{u2}, \ldots, r_{un})
  3. 列向量含义第 $i$ 列反映了物品 $i$ 被社区里不同用户评价的情况。
    r⋅i=(r1i,r2i,…,rmi)Tr_{\cdot i} = (r_{1i}, r_{2i}, \ldots, r_{mi})^{\mathsf{T}}
  4. 元素含义$r_{ui}$ 具体表示用户 $u$ 对物品 $i$ 的评分，可以是显式打分，也可以是点击、收藏等隐式信号转换成的分值。

相似度计算：如何量化“口味相投”

老陈想挑出最像自己的群友。他翻开小林的朋友圈：20 家店里 19 家和自己同款好评。再看另一位群友小周：只有 3 家重叠，而且那 3 家老陈都觉得一般。老陈立刻明白：小林才是“知音”。但如果只数共同点赞数，天天刷屏的人会占便宜——所以更公平的办法是看“交集占并集的比例”，或者更精细地比较两人的口味向量方向。

工程中最常用的是余弦相似度。把用户 $u$ 的评分记录看作一个向量 $\vec{r}_u$，没评过分的维度填 0。两个用户口味越接近，两个向量在“口味空间”里的夹角就越小，余弦值就越接近 1。

在实践中还有一个重要约束：如果两位用户共同评分过的物品太少，算出的相似度只是“惊鸿一瞥”，并不可靠。就好比老陈和小周只同时吃过一家店，仅凭一次重叠就说“咱俩口味像”，未免草率。所以在相似度计算前，通常要设置“共同评分数量下限”，过滤掉那些交情太浅的用户对。

sim(u,v)=∑iruirvi∑irui2×∑irvi2\mathrm{sim}(u,v) = \frac{\sum_{i} r_{ui} r_{vi}}{\sqrt{\sum_{i} r_{ui}^{2}} \times \sqrt{\sum_{i} r_{vi}^{2}}}
分子是“默契分”，分母是“自我长度”——夹角越小越像，而评分多少本身并不影响相似度。
  1. 分子求和把两位用户在每件物品上的评分相乘再相加。两人都喜欢或都不喜欢的物品贡献正分，分歧大的物品贡献低分甚至负分。
    ∑iruirvi\sum_{i} r_{ui} r_{vi}
  2. 分母模长$\sqrt{\sum_{i} r_{ui}^{2}}$ 是用户 $u$ 评分向量的“长度”，作用是消除评分数量与打分尺度的影响。
    ∥r⃗u∥=∑irui2\lVert \vec{r}_{u} \rVert = \sqrt{\sum_{i} r_{ui}^{2}}
  3. 对称归一分母再乘上用户 $v$ 的模长，让相似度只取决于方向夹角，与两人各自的评分习惯无关。
    ∥r⃗u∥×∥r⃗v∥\lVert \vec{r}_{u} \rVert \times \lVert \vec{r}_{v} \rVert
  4. 整体比值两个向量夹角的余弦值，值域为 $[-1,1]$，越接近 $1$ 越投缘，接近 $0$ 则基本无关。
    cos⁡θ=r⃗u⋅r⃗v∥r⃗u∥ ∥r⃗v∥\cos\theta = \frac{\vec{r}_{u} \cdot \vec{r}_{v}}{\lVert \vec{r}_{u} \rVert \, \lVert \vec{r}_{v} \rVert}

邻居选择：只信最像的几位饭友

老陈没有打算问遍群里 300 人——一半潜水，一半口味完全不同。他只挑最像自己的前 4 位“核心饭友”，参考他们的意见就够了。如果只信 1 个人，万一那人在某家店上口味突变，推荐就翻车；如果拉 100 个人进来，泛泛之交的噪声又会淹没知音的声音。这个“取前 K 个最像的人”的过程，就是邻居选择。

K 近邻法是 UserCF 最常用的邻居选择策略：把其他用户按相似度降序排列，取前 $K$ 个构成邻居集合 $N_K(u)$。$K$ 是超参数，小型系统通常取 20 到 60，数据量越大，$K$ 也相应增大。排序后切片即可，不需要遍历所有集合组合。

除了 K 近邻，也可以设定相似度阈值：低于 0.3 的一律不认作邻居。两种方式可以结合——先按阈值过滤，再取前 K 个，防止热门用户大面积出现在所有人的邻居列表里。老陈的“核心饭友团”就是这样一个经过筛选的小圈子，固定人数，宁缺毋滥。

NK(u)={v(1),v(2),…,v(K)},sim(u,v(1))≥sim(u,v(2))≥⋯≥sim(u,v(K))N_K(u) = \{ v^{(1)}, v^{(2)}, \ldots, v^{(K)} \}, \quad \mathrm{sim}(u, v^{(1)}) \geq \mathrm{sim}(u, v^{(2)}) \geq \cdots \geq \mathrm{sim}(u, v^{(K)})
邻居选择就是“饭友团成团标准”：按相似度从高到低排队，只放前 K 个人进群。
  1. 邻居集合$N_K(u)$ 表示目标用户 $u$ 选出的 $K$ 个邻居组成的集合。
    NK(u)N_K(u)
  2. 排序下标$v^{(i)}$ 表示在所有候选用户中，与 $u$ 相似度排名第 $i$ 位的用户。
    v(1),v(2),…,v(K)v^{(1)}, v^{(2)}, \ldots, v^{(K)}
  3. 单调递减链相似度从第一名到第 $K$ 名依次不增，确保留下的都是“最像”的人。
    sim(u,v(1))≥sim(u,v(2))≥⋯\mathrm{sim}(u, v^{(1)}) \geq \mathrm{sim}(u, v^{(2)}) \geq \cdots

评分预测：温柔地加权，聪明地修正

饭友团里，小林给后街火锅打了 5 分，另一位饭友小吴打了 4 分。老陈不会直接平均成 4.5 分——因为他知道小吴是个“老好人”，去过的店基本都打 5 分，4 分在他那里已经算差评了。所以老陈心里要先打个折扣：看一个人“相对自己平时水平”的评分，而不是绝对分数。

这正是评分预测里的“中心化”思想。在加权平均前，先把每个邻居的评分减去他自己的平均分，得到“相对偏好”；预测时再把这个偏移加回目标用户自己的平均分上，还原成“老陈尺子”下的分数。

回到老陈的例子：小吴虽然给了 4 分，但他平时都打 5 分，这个 4 分实际上是“偏负”的；小林平时打分偏严，5 分是“超预期好评”。中心化之后，小林的 5 分权重被放大，小吴的 4 分被修正，最后老陈得到 4.2 分——非常接近他心里的判断。

r^ui=rˉu+∑v∈N(u)sim(u,v)×(rvi−rˉv)∑v∈N(u)∣sim(u,v)∣\hat{r}_{ui} = \bar{r}_u + \frac{\sum_{v \in N(u)} \mathrm{sim}(u,v) \times (r_{vi} - \bar{r}_v)}{\sum_{v \in N(u)} |\mathrm{sim}(u,v)|}
先减自己的平均、加权、再加回你的平均——这套“去均值”操作就是评分预测中的中心化修正。
  1. 基准分$\bar{r}_u$ 是目标用户 $u$ 自己的平均分，作为预测的起点。老陈平时给分偏严，那预测值也会相应偏低。
    rˉu=1∣Iu∣∑i∈Iurui\bar{r}_u = \frac{1}{|I_u|} \sum_{i \in I_u} r_{ui}
  2. 相对偏差$r_{vi} - \bar{r}_v$ 表示邻居 $v$ 对物品 $i$ 的评分相对他自己平均水平的偏移，正数代表“超常好评”。
    rvi−rˉvr_{vi} - \bar{r}_v
  3. 加权求和把每个邻居的偏移乘上相似度再累加，越像的邻居话语权越大。
    ∑v∈N(u)sim(u,v)×(rvi−rˉv)\sum_{v \in N(u)} \mathrm{sim}(u,v) \times (r_{vi} - \bar{r}_v)
  4. 归一还原除以相似度绝对值之和，最后加回 $\bar{r}_u$，得到最终预测分。
    rˉu+∑v∈N(u)sim(u,v)×(rvi−rˉv)∑v∈N(u)∣sim(u,v)∣\bar{r}_u + \frac{\sum_{v \in N(u)} \mathrm{sim}(u,v) \times (r_{vi} - \bar{r}_v)}{\sum_{v \in N(u)} |\mathrm{sim}(u,v)|}

TopN 推荐：输出“大家都说好”的前三名

评分预测算完后，老陈并不需要 200 家店的精确分数，他只想看到“前 3 名”。TopN 推荐就是干这件事的：把候选物品按照预测分数排序，砍掉老陈已经去过或买过的，返回得分最高的 N 件。如果评分信号是隐式的（点击、收藏），连预测公式都可以简化成“邻居们对它的加权热度”。

在实际系统中，TopN 的效率很关键。系统先收集邻居们购买过的所有物品作为候选集，排除目标用户已有的物品，然后对每个候选物品算一个加权得分——邻居的打分越高、相似度越高，这个物品的得分就越靠前。

这个过程好比饭友团开了一场“口碑听证会”：每件候选商品陈述自己被多少人推荐、推荐人的靠谱程度，最后按总分排名。老陈看到的推荐页，就是这份“大家说好”的前三名榜单。

score(u,i)=∑v∈N(u)sim(u,v)×rvi\mathrm{score}(u,i) = \sum_{v \in N(u)} \mathrm{sim}(u,v) \times r_{vi}
TopN 是“饭友团民意调查”：每件候选物品的分数，等于所有饭友对它的评分乘以与你的默契度之和。
  1. 候选物品$i$ 遍历邻居们评价过而目标用户 $u$ 未接触过的物品。
    i∈⋃v∈N(u)Iv∖Iui \in \bigcup_{v \in N(u)} I_v \setminus I_u
  2. 邻居评分$r_{vi}$ 表示邻居 $v$ 对物品 $i$ 的打分，隐式场景下可以换成“是否点击”的 0/1 值。
    rvir_{vi}
  3. 加权累积每个邻居的评分都乘以 $\mathrm{sim}(u,v)$ 再求和，相似度越高的饭友贡献越大。
    ∑v∈N(u)sim(u,v)×rvi\sum_{v \in N(u)} \mathrm{sim}(u,v) \times r_{vi}
  4. 排序截断对所有候选物品按得分降序排列，取前 $N$ 个作为最终推荐结果。
    TopN(score(u,i))\mathrm{Top}_N \left( \mathrm{score}(u,i) \right)

稀疏性问题：潜水党太多怎么办

小区群里 300 个人，真正认真晒过美食清单的不到 10%。老陈想找知音，可和小林共同评价过的店只有 3 家，而系统里大部分用户之间共同评分为 0，相似度算出来全是“白卷”。群里的“潜水党”越多，找饭搭子越难——这就是推荐系统里人尽皆知的稀疏性问题。

评分矩阵里，绝大多数格子是空的，因为用户不可能评价所有物品。衡量稀疏程度的指标叫稀疏率：非零评分数占总格子数的比例越接近 1，数据就越稀疏。与此相伴的是冷启动困境：新用户没有历史行为，系统无法判断他与谁相似；新物品没有评分，也不会出现在任何人的候选集里。

缓解稀疏性的常用策略有四种：一是用浏览、点击、收藏等隐式信号补充评分，把“潜水”也变成数据；二是要求共同评分数量达到阈值再计算相似度，避免“一面之交”的虚假相似；三是引入物品内容特征做冷启动兜底；四是用矩阵分解把高维稀疏矩阵压缩成低维稠密向量。老陈的经验是：与其在全是潜水的群里硬找知己，不如先把大家逛店的行为都记下来，再谈相似度。

\mathrm{sparsity} = 1 - \frac{|R_{\mathrm{non}\mbox{-}\mathrm{zero}}|}{m \times n}
稀疏率告诉你：这张“口碑登记表”上有多少格子是空白的，空白越多，找相似用户的难度越大。
  1. 非零总数$|R_{\mathrm{non}\mbox{-}\mathrm{zero}}|$ 是矩阵中实际有评分的元素个数，也就是用户真正留下的行为记录。
    |R_{\mathrm{non}\mbox{-}\mathrm{zero}}|
  2. 全部组合$m \times n$ 是所有用户与所有物品可能组成的评分格子总数。
    m×nm \times n
  3. 空置比例用 $1$ 减去“已被填写比例”，得到空白比例。这个值越接近 1，矩阵越稀疏。
    1 - \frac{|R_{\mathrm{non}\mbox{-}\mathrm{zero}}|}{m \times n}

应用与优化：从口碑群到规模化系统

小区美食群越做越大，老陈发现了新问题：新店开业的信息至少要等饭友去尝过、晒过，才会出现在推荐里；而且群友增加到几千人后，两两比较口味变得异常吃力。这正是 UserCF 落地时面临的两个核心工程挑战：实时性差、计算量随用户数平方增长。

在工业界，UserCF 通常采用“离线计算 + 在线服务”的分层架构。离线阶段，定时（每天或每小时）计算用户间的相似度矩阵，并只保留每个用户相似度最高的 TopK 邻居；在线阶段，当用户请求推荐时，直接查表取出邻居，再对候选物品做加权排序。相似度矩阵本身的存储复杂度是用户数的平方级，因此必须采用稀疏存储——绝大多数用户对的相似度为零，根本不需要占用空间。

除了架构上的“离线算邻居、在线做推荐”，UserCF 还有两个优化方向：一是周期性地用增量数据刷新相似度，防止用户兴趣漂移后推荐跟不上；二是只在活跃用户和热门物品的“有效子集”上计算相似度，砍掉大量垃圾数据。老陈的“口碑群公告”每周更新一次，管理员离线整理群友新晒的店，在线回答“我该去哪吃”——这和工业界的 UserCF 系统是同一个节奏。

存储量=O(∣U∣2)\text{存储量} = \mathcal{O}(|\mathcal{U}|^2)
相似度矩阵要存下“每对用户”的关系，所以存储量随用户数平方级增长——这就是必须离线预计算并用稀疏存储的原因。
  1. 用户总数$|\mathcal{U}|$ 表示系统中的用户数量。
    ∣U∣|\mathcal{U}|
  2. 两两配对任意两个用户之间都要计算一次相似度，所以共有 $|\mathcal{U}|^2$ 个可能的关系对。
    ∣U∣2|\mathcal{U}|^2
  3. 数量级表示$\mathcal{O}$ 表示渐进复杂度，用户从 10 万涨到 100 万，存储压力约增大 100 倍。
    O(∣U∣2)\mathcal{O}(|\mathcal{U}|^2)

AI 应用场景

内容社区：找到你的“兴趣同温层”

阶段：离线召回与相似用户挖掘

解决的问题：新用户进入小红书、豆瓣这类社区后，不知道关注谁、看什么。传统做法靠编辑人工运营推荐位，成本高且无法规模化。UserCF 用行为记录自动寻找“兴趣同温层”，把相似用户赞过、收藏过的内容推给新人。

具体案例：小红书给美妆新手用户推送“和你相似的人也在看”的笔记流，把相似用户的收藏夹作为候选池，再按权重排序。相比单纯的新热榜，点击率常有明显提升。

在线阅读：用相似读者的完读率做预测

阶段：评分预测与排序

解决的问题：阅读平台没有显式的“打分”按钮，用户对一本书的评价只能从阅读时长、完读率、书架加入行为中推断。UserCF 把隐式行为转换成伪评分，再预测用户对其他书籍的偏好分，解决“书海捞书”的难题。

具体案例：起点读书对同一本书的读者群构建相似度网络，当某位读者读完一本书后，系统参考相似读者的高完读书单做加权推荐，显著提升完读率。

电商私域：宝妈群体里的口碑接力

阶段：TopN 推荐生成

解决的问题：母婴、宠物等低频非标品类，单个用户购买行为非常稀疏，直接用物品相似度（ItemCF）很难找到关联。UserCF 在买家群体中寻找“相似妈妈”，按群体的购买口碑推荐，更贴近“小区宝妈群互相种草”的真实决策方式。

具体案例：母婴社区电商在拼团场景中，把相似宝宝月龄、相似城市、相似消费水平的妈妈组成虚拟“口碑圈”，推荐圈内妈妈买过的纸尿裤、辅食组合。

Python 演示

python59 行
# -*- coding: utf-8 -*-"""UserCF 演示: 找相似用户, 预测评分并生成 TopN 推荐."""from math import sqrt # 评分数据: 用户 -> 物品 -> 评分(1~5 分)ratings = {    'A': {'薯片': 5, '可乐': 4, '泡面': 3, '咖啡': 1},    'B': {'薯片': 4, '可乐': 5, '泡面': 4, '咖啡': 2},    'C': {'薯片': 5, '可乐': 5, '咖啡': 1, '巧克力': 4},    'D': {'薯片': 1, '可乐': 2, '泡面': 5, '咖啡': 5},    'E': {'可乐': 2, '泡面': 4, '咖啡': 5},} def mean_score(user_rates):    """计算一个用户的平均分."""    return sum(user_rates.values()) / len(user_rates) def cosine_sim(a, b):    """余弦相似度: 用共同评分的物品计算夹角余弦."""    common = set(a) & set(b)    if not common:        return 0.0    dot = sum(a[item] * b[item] for item in common)    na = sqrt(sum(x * x for x in a.values()))    nb = sqrt(sum(x * x for x in b.values()))    if na == 0 or nb == 0:        return 0.0    return dot / (na * nb) def user_cf(ratings, target, k=2, top_n=3):    """UserCF 主流程: 算相似度, 选邻居, 预测评分, 输出 TopN."""    target_rates = ratings[target]    sims = []    for user, rates in ratings.items():        if user == target:            continue        sims.append((cosine_sim(target_rates, rates), user))    sims.sort(reverse=True)    neighbors = sims[:k]    mean_t = mean_score(target_rates)    cand = set()    for _, u in neighbors:        cand |= set(ratings[u]) - set(target_rates)    preds = []    for item in cand:        num = 0.0        den = 0.0        for sim, u in neighbors:            rates_u = ratings[u]            if item in rates_u:                num += sim * (rates_u[item] - mean_score(rates_u))                den += abs(sim)        if den > 0:            preds.append((mean_t + num / den, item))    preds.sort(reverse=True)    return [item for _, item in preds[:top_n]] if __name__ == '__main__':    print('A 的推荐结果:', user_cf(ratings, 'A'))
目的：用 5 个用户的小型评分矩阵演示 UserCF 的完整链路——余弦相似度、K 近邻邻居、中心化加权评分预测、TopN 输出。
  1. sims.append((cosine_sim(target_rates, rates), user))把“相似度 + 用户名”打包成元组，方便统一排序
  2. sims.sort(reverse=True)相似度从高到低排，最像的饭友排在列表最前面
  3. neighbors = sims[:k]只留下前 K 位核心饭友，这就是邻居选择
  4. cand |= set(ratings[u]) - set(target_rates)候选集 = 饭友买过而目标用户没买过的物品集合
  5. num += sim * (rates_u[item] - mean_score(rates_u))中心化后的加权分子，把邻居的评分习惯差异先减掉
  6. preds.append((mean_t + num / den, item))加上目标用户自己的平均分，还原成“老陈尺子”下的预测分

常见误区

误区两个用户共同评分很多、余弦相似度接近 1，那推荐就一定准，相似度是可以当准确率指标直接用的。

正解相似度高只说明两人的历史记录“长得像”，不等于未来判断也一致。如果共同评分集中在热门物品上，相似度里塞满了大众口味，几乎没有个性化信息；如果共同评分只有三五个，相似度又充满噪声。正确做法是同时检查共同评分数量、用离线指标（准确率、召回率）验证，而不是只看相似度数值。就像老陈和小林都爱吃川菜，但小林还爱喝酒、老陈滴酒不沾，单看川菜维度的相似度会高估整体契合度。

为何常见：相似度是 0 到 1 之间的“好看的数字”，“越大越好”的直觉容易让人忽略它只是估计值，而不是推荐质量的直接度量。

误区反正都叫协同过滤，核心就是“找相似”，用哪个维度都一样，跑出来看哪个指标好用哪个。

正解UserCF 以“人”为纽带，推荐结果体现群体偏好，适合社区氛围浓厚、内容更新快的场景（新闻、论坛、书影音）；ItemCF 以“物”为纽带，适合物品丰富、用户行为稳定的购物场景（淘宝的“看了又看”）。用错范式，推荐结果会显得“跑题”。老陈关心“谁和我口味像”，适合 UserCF；如果他只是想知道“这东西还配什么一起买”，ItemCF 更合适。

为何常见：两个名字都带“协同过滤”，如果不深究“用户维度 vs 物品维度”的差异，很容易混淆适用边界。

误区邻居都是口味相似的人，那预测分就是把他们的打分求个平均值，中心化不过是多余的数学绕弯。

正解不同用户的打分习惯差异很大：有人只给 4 到 5 分，有人 1 到 5 分通吃。直接平均会让“手松”的邻居抬高整体预测。正确做法是先减各自均值、加权、再加回目标用户自己的均值。这样借鉴的是“相对偏好”，而不是被个人尺度污染的绝对分数。就像老陈知道小吴的 4 分其实等于别人的 2 分一样。

为何常见：平均是最符合直觉的汇总方式，中心化“多了一步”，容易被初学者当作可有可无的细节省略。

误区UserCF 用的是别的用户的数据，新用户一进来就应该能获得推荐，冷启动是 ItemCF 才有的问题。

正解新用户在系统里一条行为都没有时，系统无法判断“他和谁相似”，这正是用户侧冷启动。常规解法是用注册信息（性别、城市、兴趣标签）做粗略画像，或先推热门榜单，等积累了几条行为后再启动 UserCF。老陈刚进群时，群里也没人知道他喜欢什么，只能先让他选几个感兴趣的标签。

为何常见：只想到“推荐用的是其他用户的数据”这半条推理链，却忽略了 UserCF 的输入恰恰是目标用户自己的历史行为。

面试题

Q1. UserCF 的第一步是什么？

单选题 · easy

  • A.计算物品特征向量
  • B.构建用户兴趣画像← 正确答案
  • C.训练深度神经网络
  • D.随机生成推荐列表

答案：B。UserCF 的一切推断都建立在用户历史行为之上。没有兴趣画像就无法计算相似度，更谈不上选邻居和预测，所以第一步是构建用户兴趣画像。

Q2. Jaccard 相似度的核心思想是什么？

单选题 · easy

  • A.交集大小占并集比例← 正确答案
  • B.评分数值的加权平均
  • C.关注用户活跃度高低
  • D.统计点击次数多少

答案：A。Jaccard 相似度等于两个集合交集大小除以并集大小，只关心“两人共同评价过的物品占总共评价过的比例”，不关心评分高低。

Q3. TopN 推荐中的 N 指的是什么？

单选题 · easy

  • A.返回前 N 个物品的条数← 正确答案
  • B.最近 N 天的评分记录
  • C.需要采样的用户数量
  • D.数据分析师的数量

答案：A。TopN 推荐把候选物品按得分降序排列，取前 N 个作为最终推荐列表返回给用户，N 是推荐条数，与时间、用户数无关。

Q4. 余弦相似度对“有人全打 5 分、有人全打 1 分”的打分尺度不敏感，原因是？

单选题 · mid

  • A.余弦只看向量方向不看模长← 正确答案
  • B.余弦会自动修正评分习惯
  • C.余弦能消除全部主观偏差
  • D.评分尺度被归一化成零一

答案：A。余弦相似度只关心向量夹角，模长被分母约掉了，所以绝对分数的高低不影响结果。这也是为什么工程上要先用中心化修正再算相似度。

Q5. K 近邻中 K 值取得过大，主要会带来什么问题？

单选题 · mid

  • A.引入大量低相关用户致噪声← 正确答案
  • B.使相似度计算自动变精确
  • C.让评分矩阵变得更稠密
  • D.让计算结果必然完全正确

答案：A。K 太大导致“泛泛之交”也被拉进邻居集合，他们的低相似度意见会稀释核心饭友的声音，导致推荐结果趋向平庸、噪声变大。

Q6. 评分预测前做“中心化”的根本目的是什么？

单选题 · mid

  • A.消除用户打分习惯的差异← 正确答案
  • B.让所有分数都变成正数
  • C.方便对向量进行排序操作
  • D.提高评分矩阵的稀疏程度

答案：A。中心化通过减去用户自身均值，把评分从“绝对分数”变成“相对偏好”，消除了不同用户打分松紧不一造成的偏差。

Q7. 以下哪些场景更适合使用 UserCF？

多选题 · mid

  • A.社交社区里寻找同好用户← 正确答案
  • B.音频书籍口味相似推荐← 正确答案
  • C.图书影音的口碑种草推荐← 正确答案
  • D.导航软件的实时路况预测

答案：ABC。UserCF 以“人”为媒介，适合有社区氛围、兴趣群体明显的场景。导航路况是时空传感器数据，与用户口味画像无关。

Q8. 评分矩阵非常稀疏时，可能带来哪些后果？

多选题 · hard

  • A.用户间相似度可靠性降低← 正确答案
  • B.共同评分太少导致失真← 正确答案
  • C.新用户冷启动更加严重← 正确答案
  • D.相似度矩阵必然为空矩阵

答案：ABC。稀疏意味着共同评分的物品很少，相似度要么算不出、要么噪声大，新用户与新品也没有历史可用于关联。但“必然为空”的说法过于绝对，只要有一点非零数据矩阵就不为空。

Q9. 用户规模从 10 万增长到 100 万，相似度矩阵的存储量最坏情况下如何变化？

单选题 · hard

  • A.增长到原来的一百倍← 正确答案
  • B.增长到原来的十倍
  • C.和用户规模增长相同
  • D.存储开销完全没变化

答案：A。相似度矩阵规模为 O(|U|²)，用户数放大 10 倍，矩阵元素数量放大 100 倍。所以必须用稀疏存储或只保留 TopK 邻居来控制开销。

Q10. 以下哪些是缓解 UserCF 冷启动问题的常用策略？

多选题 · hard

  • A.用物品内容特征加权弥补← 正确答案
  • B.给新用户推荐热门物品榜← 正确答案
  • C.引导新用户完善兴趣标签← 正确答案
  • D.主动丢弃所有未登录行为

答案：ABC。冷启动的本质是缺少行为数据，内容特征、热门榜、兴趣标签都能在无历史时提供兜底信号。丢弃未登录行为反而浪费了可用的信号，不可取。