【基于用户的】协同过滤推荐算法（UserCF算法的实现）

协同过滤算法在推荐算法领域应用十分广泛，主要有基于用户（UserCF）和基于物品（ItemCF）两种不同的类型：

• 基于用户的推荐算法：它是一种发现兴趣相似的用户的算法，假如你正在建设的是一个学习资源共享平台，你的用户群体有着大致稳定的专业与相对固定的阅读、学习爱好。当用户A（即登录用户）需要个性化推荐的时候，可以先找到和他兴趣相似的用户群体G，然后把G中所包含的且A中没有的东西进行预测评估，最后根据预测评估值对用户A进行推荐。
• 基于物品的推荐算法：当一个用户需要个性化推荐时，例如由于他之前购买花朵，所以会给他推荐花盆，因为其他用户很多都同时购买花朵和花盆。基于物品的推荐算法需要先计算物品之间的相似度，再根据物品的相似度和用户的历史行为给用户生成推荐列表。

本文笔者将介绍第一种算法，基于用户的协同过滤算法（UserCF）的实现，正如上文所说，我们将步骤分为三步：

1、找到与用户A兴趣相似的用户群体

•   首先，我们需要计算用户之间的相似度，本文我们采用余弦相似度来计算，公式为

                                                           

       （其中，N（u）表示用户u所购买的物品集合，|N（u