与User-Based Collaborative Recommender System认为‘类似的用户会对同一个item给出类似的打分’不同，Item-Based Collaborative Recommender System的思想是‘同一个用户，会给类似的item，打出类似的分数’。听起来和Content-Based Recommender System有点类似，但是IBCRS的相似度，是基于用户打分的，而不是基于内容分析。
1、和UBCRS一样，我们需要针对Rating Matrix进行的Mean-Centering:
在UBCRS用过的例子中，我们相当于得到了一个全新的矩阵：Mean-Centered Rating Matrix
Old Matrix
New Matrix
2、计算目标item与其它各个items的相似度：这里用的是Cosine Similarity，据说计算item的相似度，其精准度高于Pearson，有待考证：
3、不同的相似度，即不同的权重，我们合成各个分数项，得到最终的打分：
