協同過濾定義：
基于用戶的行為，利用某興趣相投、擁有共同經驗之群體的喜好來推薦用戶感興趣的信息，個人通過合作的機制給予信息相當程度的回應（如評分）并記錄下來以達到過濾的目的進而幫助別人篩選信息，回應不一定局限于特別感興趣的，特別不感興趣信息的紀錄也相當重要。
- 基于用戶的行為，行為越豐富越好，本質上是graph model，考慮的是用戶的共同行為。來源：知乎
- 利用某興趣相投、擁有共同經驗之群體的喜好來推薦用戶感興趣的信息，個人通過合作的機制給予信息相當程度的回應（如評分）并記錄下來以達到過濾的目的進而幫助別人篩選信息，回應不一定局限于特別感興趣的，特別不感興趣信息的紀錄也相當重要。來源：百度
- Collaborative filtering (CF) is the process of filtering for information or patterns
using techniques involving collaboration among multiple agents, viewpoints, data sources, etc.
Applications of collaborative filtering typically involve very large data sets.（協同過濾(CF)是通過多種代理、視點、數據源等協作的技術來過濾信息或模式的過程。協同過濾的應用通常涉及非常大的數據集。來源：維基百科
- 2的定義更好，說清楚user與item之間的關系。協同過濾全都是基于用戶行為。包括item CF也是根據用戶行為分析其相似性。
國外案例（亞馬遜網絡書店）
顧客選擇一本自己感興趣的書籍，馬上會在底下看到一行“Customer Who Bought This Item Also Bought”，亞馬遜是在“對同樣一本書有興趣的讀者們興趣在某種程度上相近”的假設前提下提供這樣的推薦，此舉也成為亞馬遜網絡書店為人所津津樂道的一項服務，各網絡書店也跟進做這樣的推薦服務如臺灣的博客來網絡書店。
- 亞馬遜商店采用了協同過濾，根據用戶所所購的商品來推算其他用戶所喜歡的產品。
- 有推薦新信息的能力。可以發現內容上完全不相似的信息，用戶對推薦信息的內容事先是預料不到的。可以發現用戶潛在的但自己尚未發現的興趣偏好。
國內案例（淘寶）
用戶在淘寶上購買某一產品后，淘寶惠根據用戶所購買的產品來推算用戶喜歡的產品。會從“購買此產品的人還購買了”和“猜我喜歡”中推算出。
- 可以增大淘寶商家的贏銷量。
- 共用其他人的經驗，避免了內容分析的不完全或不精確，并且能夠基于一些復雜的，難以表述的概念（如信息質量、個人品味）進行過濾。
- 能夠過濾機器難以自動內容分析的信息，如藝術品，音樂等。
協同過濾是基于用戶的行為，行為越多，協同過濾能更加準確。
