基于物品的协同过滤推荐

思想：利用物品间的相似度，给用户推荐与用户过去行为物品相似的物品。

资源：用户物品评分矩阵（填空，即对用户没有过评分的物品进行预测打分）

算法目标：寻找与当前用户喜欢的物品相似的K个物品，将其推荐给当前用户

物品相似度评测：改进的余弦相似度

U={u1,u2,...,un}表示用户集，用R表示n*m的评分矩阵，rij代表评分项，表示用户i对物品j的评分。表示用户评分平均值，目的是避免一些用户倾向于打高分，而一些用户倾向于打低分。

公式分子可以理解为：两个物品有共同评分的用户。

预测用户u对物品p的评分：

其中，物品i与物品p为相似物品，且用户u对物品i有过评分。

同样的， 将得到的用户对物品的评分进行排序，选取合适数目的物品进行推荐。

对于K值得选取，可以根据实际需要进行训练得到。