基于在线评分的协同过滤算法---Slope One算法

（1）

基于评分的协同过滤是根据其他用户对A商品的评分预测一个用户对A商品的评分的过程。我们提出了3个用f(x)=x+b来预测的相关的slope one 方案,如果有2个商品，这一个用户对着2个商品都进行了打分，我们计算着2个产品的差值。slope one 算法是很容易应用的，高效的查询，合理的精度并且该算法支持在线查询和动态更新。这让该算法成为了现实世界系统的一个很好的选择。最基本的slope
one 方案是建议用作一个新的协同过滤的框架，通过将用户喜欢和不喜欢的元素进行因式分解和分离，我们获得了有竞争力的结果。

(2)

一个基于在线评分的协同过滤查询由1个单用户（物品、评分）数组对组成，然后对未评分数组进行预测，我们的目标是提供鲁棒的协同过滤方案：

A.很容易维护和应用。

B.及时的在线更新。

C.能够进行有效率的查询。

D.根据一个用户很少的评分就能对其实施比较准确的推荐。

E.精度满足要求。

在这篇文章中,我们的目标是证明Slope one算法能够同时满足上面的5个目标。

测量一个物品和和另一个物品是否相似，一种方法是测量两个物品评分之差的平均数，