优点

以用户的角度来推荐的协同过滤系统有下列优点：

（1）能够过滤机器难以自动内容分析的信息，如艺术品，音乐等。

（2）共用其他人的经验，避免了内容分析的不完全或不精确，并且能够基于一些复杂的，难以表述的概念（如信息质量、个人品味）进行过滤。

（3）有推荐新信息的能力。可以发现内容上完全不相似的信息，用户对推荐信息的内容事先是预料不到的。可以发现用户潜在的但自己尚未发现的兴趣偏好。

（4）推荐个性化、自动化程度高、能够有效的利用其他相似用户的回馈信息、加快个性化学习的速度。

缺点

虽然协同过滤作为一推荐机制有其相当的应用，但协同过滤仍有许多的问题需要解决。整体而言，最典型的问题有：

（1）新用户问题(New User Problem) 系统开始时推荐质量较差；

（2）新项目问题(New Item Problem) 质量取决于历史数据集；

（3）稀疏性问题（Sparsity）；

（4）系统延伸性问题（Scalability）。