---恢复内容开始---
第二章 提供推荐CF
协同型过滤：允许人们根据自己对文档的感兴趣程度添加标注，并利用这一信息为他人进行文档过滤。
搜集偏好：在python中创建一个嵌套的字典
寻找相近的用户：计算不同用户间的相似度评价值
方法1：欧几里得距离评价
以经过人们一致评价的物品作为坐标轴，然后将参与评价的人绘制到图上，并考察他们之间在m维空间中两个点之间的真实距离远近。偏好越相似，距离越远。
方法2：皮尔逊相关度评价
判断两组数据与某一直线拟合程度的度量。（比欧几里得距离复杂，但是在数据不是很规范（normalized）的时候，可以得到更准确的结果）
为评论者打分
利用python的列表推导式，将自身和其他每一位用户进行比较，返回排序结果中的前n项
推荐物品
通过一个经过加权的评价值为影片打分，评分者的结果形成排名。
---恢复内容结束---