皮尔逊相关度

在进行影片相似度计算的时候，有的人对于影片的评分习惯偏低，有的人习惯偏高，皮尔逊方法可以修正“夸大分值”的情况。
如果某人总是倾向于给出比另一个人更高的分值，而二者的分值又始终保持一致，则他们也会存在很高的相关性。

# recommendations.py
# 返回p1和p2的相关系数
def sim_pearson(prefs,p1,p2):
    # 得到双方都曾评价过的物品列表
    si={}
    for item in prefs[p1]:
        if item in prefs[p2]:
            si[item]=1
    # 列表元素的个数
    n=len(si)
    # 如果两者没有共同之处，则返回1
    if n==0:return 1
    # 对所有的偏好求和
    sum1=sum([prefs[p1][it]for it in si])
    sum2=sum([prefs[p2][it]for it in si])
    #求平方和
    sum1sq=sum([pow(prefs[p1][it],2)for it in si])
    sum2sq=sum([pow(prefs[p2][it],2)for it in si])
    #求乘积之和
    psum=sum([prefs[p1][it]*prefs[p2][it]for it in si])
    # 计算皮尔逊评价值
    num=psum-(sum1*sum2/n)
    den=sqrt((sum1sq-pow(sum1,2)/n)*(sum2sq-pow(sum2,2)/n))
    if den==0:return 0
    r=num/den
    return r
    该函数将会返回一个介于-1和1之间的数值。