Item based推荐系统实现

这一步是计算CoOccurrence Matrix的Mapping。

Input是 userID, 以及a list of 他评分过/看过的电影。

然后遍历这一串电影，两两为key，output 1.  【用来建立两两电影间关系】

这一步用来reduce。reduce的结果就是两两Movie之间：movie A: movieB : <1,1,,1,1,1,1,1,1>

有多少人同时看了这两部电影

Normalize出来的是一个占比。就是M1 和 其他电影之间的关系。Relations?

这样用户A给出他对所有电影rating的时候，可以知道每项的占比影响。

CoOccurrence * Rating = predicted rating

对M1, M2, M3, M4, M5 rows分别multiply by Rating by user B. 选Top one recommend