第二章 提供推荐

协作型过滤============
协作型算法：对一大群人进行搜素，并从中找出与我们品味相近的一小群人。对这些人偏爱的内容进行考查并组合起来构造出经过排名的推荐列表。
搜集偏好============
嵌套的字典的用法。
寻找相近的用户========
相似度评价值：欧几里德距离、皮尔逊相关度。

欧几里德距离评价

计算两者之间的距离。

为了对偏好越相近的情况给出越大的值。将函数值+1（避免遇到被0整除的错误），并取其倒数。

1/(1+sqrt(pow(4.5-4.2)+pow(1-2,2)))

皮尔逊相关度评价

最佳拟合线。如果评论者评分情况都相同，则形成对角线，得到结果为1的理想相关度评价。
修正了“夸大分值”：如果某人总是倾向于给出比另一个更高的分支，而两者的分值之差又式中保持一致，则他们依然可能会存在很好的相关性。（对比欧几里德距离）
皮尔逊计算公式解析超链接
应该选用哪一种相似性度量方法
Jaccard系数、曼哈顿距离算法等。
为评论者打分
推荐物品=============

匹配商品============
将原字典改一改：将物品与人员对调。
应用：为影片推荐影评者、找到购买某些商品的潜在客户（清仓处理某些商品时）、专门推荐链接的网站
构建一个基于del.icio.us的链接推荐系统===========
the del.icio.us API