基于用户的协同过滤算法
首先找到相似用户（相似度计算）
计算属性特征，行为特征等
User1喜欢1,2,3,4；User3当前喜欢2,3，如果这俩用户计算后相似度较高，就可以把1,4推给User3
存在的问题：数据稀疏：商品多，购买少，计算复杂度，人是善变的，冷启动问题：新用户来了怎么办？
基于物品的协同过滤算法
先得到用户与商品的交互数据
此时发现商品1和3经常在一起出现（相关度）
User3目前只买了商品2和3，此时可以推给他商品1
商品（种类）比用户少的多；商品属性通常比较固定，特征获取容易，而且基本不会改变；即便上架了新商品，它自身也有各种标签，不会像用户一样是张白纸
