离线计算方案改进：产生推荐列表时的歌曲相似度计算应累加，而非替换

缘由

上一次 离线计算失败了，简单说：我产生的推荐列表里没有我删除了原本用户收藏的歌曲。这是因为我单纯的以所有用户收藏的歌曲相似度来排序，只取前10个/20个/30个。考虑的太不全面了。详情请见博客：离线计算，验证推荐的准确性（失败）。

改进的方案

1. 我可以结合相似用户和相似歌。对于一个用户首先找到相似用户，再把相似用户里面没有被目标用户收藏的歌选出来，作为集合A。再拿到这个用户收藏的歌曲的相似歌，排序作为集合B。A与B用户求交集，再排序。
2. 利用标签，先抓获那一万首歌曲的标签，利用一下。我暂时没有观察到网站有针对用户的标签，针对歌曲的标签到很全面。我可以找出统计用户收藏歌曲的标签，看是否能总结出用户标签。
3. 如果用户收藏的歌曲中，有两首歌，他们的相似歌重复了，那么我应该把那首重复的相似歌的相似度相加，而不是选择一个最高的替代。
4. 本来这整套相似度计算方式就是针对电影的评分系统的。那么我也可以把用户是否收藏这首歌的概率视为0和1，也就是收藏了这首歌的概率为100%或者0%。如果我换一种方式，我来算算我删除了的歌，他们的概率是多少呢？这样，我针对每一个用户就换了一种方式，原来是说产生的推荐列表中会有多少首我删除了的歌，但是现在我来算算我删除了的歌的概率是多少，那么其实这个概率就是相似度。因为相似度最高的歌不证明用户不喜欢，也许用户只是暂时没发现呢？所以我就算算我删除了的歌的概率，先算每首歌的，再算个平均值。
5. 算一下某一个用户收藏的歌曲的歌手和标签的熵，这样就可以知道这两个属性对歌曲的影响，有没有什么规律可循。
6. 对那本推荐系统的大书中，所有出现music词的地方作一个总结。

改进歌曲相似度的计算方式

如改进方案中第三点所说： 如果用户收藏的歌曲中，有两首歌，他们的相似歌重复了，那么我应该把那首重复的相似歌的相似度相加，而不是选择一个最高的替代。

所以我现在立刻改进这一点，看是否对产生的结果有所影响。

改动 前的代码：