给用户推荐没有买过的项目物品
描述文件（或用户）之间的关系，并且利用这些信息改善进入的项目与描述文件（或用户）间匹配的过滤技术，成为协同过滤技术。协同过滤通常是推荐系统的组成部分之一。推荐系统利用协同过滤算法推荐项目（如书籍或电影）。许多主要的商业站点，如Amazon.com和Netflix，都充分利用推荐系统为用户提供推荐的产品列表，以期望用户能够看到他可能喜欢尚未了解的产品。对终端用户和搜索引擎都非常有价值
协同过滤算法分析：
1. 根据协同过滤算法的分析，可以划分为：基于用户相似度和基于条目相似度的推荐系统方法
2. 基于用户相似度的推荐算法介绍：
1》获取用户评分，建立矩阵，将没有评分的项目设置评分为0，然后预测评分
2》寻找最近邻居：类似与Ｋ－ｍｅａｎ方法：通过(1)皮尔森相关系数：
(2)余弦定理，或调整后的余弦定理（每一个向里，先同时减去所有向量的平均向量），在计算夹角
(3)Jacaard系数：通过计算集合相似性
通过计算公式，计算用户之间的相似度，然后选择K个相似性最高的为，一个聚类，根据最近邻评分，对没有评分的项预测评分
3》推荐：对集合中用户U的未知项进行评分，选择评分最高的若干个项作为返回
3. 基于条目相似性的推荐算法
1>同上，建立矩阵，保存每个用户对同一项目的评分;基于项目的协同过滤推荐是基于这样一种假设：如果大部分用户对一些项的评分比较相似，则当前用户对这些项的评分也比较相似。所以可以根据当前用户对目标项目的最近邻的评分来预测当前用户对目标项目的评分，然后选择预测评分最高的前若干项作为结果反馈给用户，
2>根据相似性计算公式，针对目标项，选择最相邻的k个项，组成相似性集合；对用户u中没有评分的项预测评分
3> 