UserCF ItemCF 基于用户和物品的协同过滤算法

UserCF：
权系数：所有非Target用户与Target用户的相似度，并归一化（即和为1）。
计算第i个物品的评分的时候是按非Target用户对Target商品的评分乘以权系数求和得到的。
考虑有的用户喜欢打高分、有的喜欢打低分，常采取去中心化+中心化策略。

	1	2	3	4	5
A	10	9	9	8	10
B	7	4	6	6	5
C	10	7	10	10	10
D	10	9	7	7	9
E	6	10	7	8	？

求此处$S_{E,5}$的值：
1.计算用户1-4和5的相似度（用有值的商品A->D）；
2.相似度归一化，就是4个相似度和为1；
3.第i个相似度乘以（第i个用户对商品E的评分-第i个用户对所有商品打分的均值）（去中心化），对这4个结果求和，再加上Target用户的打分平均值（中心化）。i=1,2,3,4.

ItemCF：
权系数：非Target商品的相似度，并归一化（使和为1）；
再把每一个非Target用户对Target商品的评分乘以权系数求和，得到Target用户的评分。

同上求$S_{E,5}$的值：
1.计算商品A-D和E的相似度（用有评分的用户1-4）；
2.相似度系数归一化；
3.第i个相似度乘以（第5个用户对商品j的评分-第5个用户对所有商品的平均分）（去中心化），对这4个结果求和，再加上第1-4个用户对商品E的评分均值（中心化）。i同上，j=A,B,C,D.