目的
根据用户或者物品的相似度推荐。
算法
有以下数据
| 用户/物品 | 苹果手机 | 充电器 | 拖把 | 啤酒 | 五粮液 |
| 张三 | 4 | 4 | 5 | ||
| 李四 | 1 | 4 | 6 | 5 | |
| 王五 | 2 | 5 | 6 | 5 | |
| 陈六 | 5 | 6 | 4 | 8 |
这是一个稀疏的用户物品矩阵（UI），4行5列，我们可以专置成IU矩阵：
| 物品/物品 |
张三 |
李四 |
王五 |
陈六 |
| 苹果手机 |
4 | 1 | 2 | 5 |
| 充电器 |
4 | 6 | ||
| 拖把 |
4 | 6 | 5 | |
| 啤酒 |
5 | 6 | 4 | |
| 五粮液 | 5 | 5 | 8 |
暂时不考虑归一化问题，根据矩阵的算法，可以推导出UU（4*4），II（5*5）矩阵。
以II矩阵为例：IU*UI=II,以下数据没有经过计算，随便填的。经过归一化，数值范围[0,1]
| 物品/物品 |
苹果手机 |
充电器 |
拖把 |
啤酒 |
五粮液 |
| 苹果手机 |
0.1 | 0.2 | 0.6 | 0.4 | |
| 充电器 |
0.6 |
0.6 |
0.2 |
0.2 | |
| 拖把 |
0.4 |
0.9 | 0.2 |
0.4 |
|
| 啤酒 |
0.6 |
0.4 | 0.3 |
0.6 | |
| 五粮液 | 0.4 | 0.6 | 0.3 | 0.4 |
那么就可以根据用户和物品的相似度去推荐了。
