# QA：推薦系統 - 甚麼是協同過濾(Collaborative Filtering)？?
 協同過濾(Collaborative Filtering) 是在推薦系統中常看到的演算法，以下舉個例子直接瞭解協同過濾的主要概念： 試想你是 Netflix 推薦系統演算法工程師，你想要設計一個機制，讓用戶使用Netflix 時可以推薦最符合他們興趣的影集。你可能已經知道這些用戶來自那些國家、喜歡甚麼類型的電影，且你也知道 A用戶來自西班牙，且喜歡驚悚或是犯罪片，此時對於同樣來自西班牙且喜歡犯罪和動作片的 B用戶，和來自俄羅斯且喜歡喜劇的 C用戶，你會推薦給 B 和 C用戶那些影集呢？ 直觀來想，你會傾向推薦 B用戶的影集，勢必和 A用戶比較類似，畢竟他們都來自西班牙，且喜歡犯罪的電影；而推薦 C用戶的影集，和 A用戶喜歡看的影集，就會比較不同。當我們將人數擴大，得知各用戶喜歡的影集後，當有新客戶使用 Netflix 時，就依照新用戶和各用戶的相似度，去推薦新用戶影集，這就是協同過濾的主要精神。  以上的範例，是屬於協同過濾中 user-based 的概念，屬於 Memory-based 協同過濾的劃分下。Memory-based 的演算法主要使用統計方法對資料進行相似度的計算，而另一種 Model-based 的協同過濾則透過模型的建立對資料進行訓練或計算。除了 User-based 外，Item-based 的協同過濾，也套用相同的概念，利用計算物品(item)間的相似度，針對特定客戶喜歡的物品，依照物品相似度去推薦該用戶其他可能喜歡的 item。  --- 參考來源： https://ithelp.ithome.com.tw/articles/10219511