mahout实现基于物品的协同过滤算法（单机版）

参考：
https://www.imooc.com/video/15792
https://blog.csdn.net/greenhandzhang/article/details/18369697
https://www.cnblogs.com/cjsblog/p/8177065.html
https://blog.csdn.net/zll441488958/article/details/78923693

算法（不适用余弦或者皮尔森算法计算相似度）分析：
首先得到用户对物品的评分数据，是一个m*n矩阵，也就是所有的评分数据。

根据上面矩阵，找单独评分和同时频分的用户数，得到下面矩阵：

注意：构建物品相似度矩阵的时候可以通过计算两个物品的余弦相似度得出，于是需要构建每个物品在所有用户中的评分矩阵。

把上面两个矩阵相乘结果就是推荐结果。
用户没有买过的几项里面选出最大(或者TopN)的物品推荐就可以了。

需要引入一个用户对未购买物品的预测评分：参考：
https://www.cnblogs.com/yangxiao99/p/4459595.html
https://www.cnblogs.com/AndyJee/p/4854769.html
https://www.jianshu.com/p/e871e741b560