下面講解的鏈接
https://blog.csdn.net/shf1730797676/article/details/97100815
基本思路：當用戶A需要個性化推薦的時候，可以先找到和他興趣相似的用戶群體G,然后把G中所包含的且A中沒有的東西進行預測評估，最后根據預測評估值對用戶A進行推薦。
方法：
1、找到與用戶A興趣相似的用戶群體
2、對G中所包含的且A沒有聽說過或沒有見過的進行預測分析。
3、根據預測分析值對A進行推薦
過程：
1發現興趣相似的用戶
通常用 Jaccard （傑卡德相似度）公式或者余弦相似度計算兩個用戶之間的相似度。設 N(u) 為用戶 u 喜歡的物品集合，N(v) 為用戶 v 喜歡的物品集合，那么 u 和 v 的相似度是多少呢？
如何一下子計算所有用戶之間的相似度呢？為計算方便，通常首先需要建立“物品—用戶”的倒排表，如下圖所示：
然后對於每個物品，喜歡他的用戶，兩兩之間相同物品加1。例如喜歡物品 a 的用戶有 A 和 B，那么在矩陣中他們兩兩加1。如下圖所示：
計算用戶兩兩之間的相似度，上面的矩陣僅僅代表的是公式的分子部分。以余弦相似度為例，對上圖進行進一步計算：
