当你在豆瓣打开《流浪地球》的电影页面，会看到：
这就是推荐系统最常见的一个应用场景。
推荐系统一般分为两类：基于用户的推荐和基于物品的推荐。
无论哪一种，相似度都是一个被常常提及的概念。那什么是相似度呢？它是衡量两个物品/用户之间相似程度的一个指标。
想象一个场景，如下图所示，用户A购买了商品1,2；用户B购买了产品1,2；用户C购买了产品1,3。从用户的历史行为中，我们可以看到A和B的行为更一致，也就是他们的相似度更高。
具体的度量方式，采用下图所示的公式：
推过计算，可以得到物品1,2,3之间的相似度如下图所示：
这就是推荐系统最简单的一个示例，以及相似度的一种罪基础的计算方式。
关于相似度，还有许多其他的计算方法，如余弦相似度，欧氏距离，皮尔逊相关性（PC）等，可以参考C站另外一个博主的文章：推荐算法基础--相似度计算方法汇总 https://blog.csdn.net/y990041769/article/details/77837915