基于项目的协同过滤算法-matla

%利用Adjusted Cosine法计算电影a和b的相似度
%这个算法虽然可以求出相似度矩阵，但是有个问题就是，当共同评价电影a和b的用户
%只有一个的时候，结果只有两种可能，即1或者是-1。这就需要在找邻居时要避免选择
%这些情况的相似度电影。
function Sim_ab=Similarity_ab（score_matrixab）
%找出所有评价所电影a和b的用户集合（标号）
temp=score_matrix（:a）&score_matrix（:b）;
P_ab=find（temp）;
P_ab=P_ab‘;%用行向量存储所有评价电影a和b的用户
%end
%% 利用Adjusted Cosine法计算相似度
if isempty（P_ab）
    Sim_ab=0;
else
    [~temp]=size（P_ab）;%共同评价电影a和b的用户的数目
    %[~number_movies]=size（score_matrix）;
    sum1=0;
    sum2=0;
    sum3=0;
    for i=1:temp %注意此处的temp已经不是数组了
        [~m]=size（find（score_matrix（P_ab（i）:）~=0））;%计算该用户评价的电影个数
        sum_score=sum（score_matrix（P_ab（i）:）2）;%用户对所有电影的总评分
        aver_score=sum_score/m;
        sum1=sum1+（score_matrix（P_ab（i）a）-aver_score）*（score_matrix（P_ab（i）b）-aver_score）;
        sum2=sum2+（score_matrix（P_ab（i）a）-aver_score）^2;
        sum3=sum3+（score_matrix（P_ab（i）b）-aver_score）^2;
    end
    if sum2==0||sum3==0
        Sim_ab=0;
    else
        Sim_ab=sum1/sqrt（sum2*sum3）;
    end
end