2、基于用户usercf的协同过滤

【百度云搜索，搜各种资料:http://www.81ad.cn】

给用户推荐相似兴趣用户感兴趣的物品
如何评价相似兴趣用户集合
找到集合用户感兴趣的而目标用户没行为过的item

建立每个商品对应的用户的倒排

A = a b d
B = b c e
C = b c d
D = a d

倒排：
A = a d b
d = a d

公式：
suv = |N(u)交集N(v)|/sqrt(N(u)||N(v))

s(uv) 用户相似度矩阵
N(u) 表示用户u有过行为的item的集合
N(v) 表示用户v有过行为的item的集合

分子部分表示item重合程度，重合度越高user越相似

p(ui) = 累加求和(s(uv)*r(vi))

p(ui) 推荐度得分

升级1：降低异常活跃物品对于用户相似度的贡献
升级2：不同用户对同一item行为的时间段不同应该给予时间惩罚