recommentation

如果知道SVD的空间几何意义，理解投影过程就很简单：原来的用户的评分向量(1xn)是在V空间中（n维），将其与Vk矩阵相乘就知道这个用户向量的坐标，然后根据S进行坐标缩放（同时截取前k个值即可），获得的坐标就是用户的评分向量在U空间中的坐标了。

用数学表达的话，设用户向量是，投影到U空间后的向量为P，则有：

然后就可以计算这个用户（用P向量）与其他用户（的各行向量）之间的相似度了。

大量的实验表明，计算相似度的话还是使用欧式距离比较有效。上面的算法瓶颈是如何在“茫茫人海”中找到最相似的那个User。