相似性推薦

沒有歷史資料的支援，對於新使用者A，沒有他的歷史行為資料，在他點選了item-X的場景下，可以將與item-x最相似的item集合推薦給新使用者A

問題轉化為，如何用一種通用的方法，表達item之間的相似性

仍以電影推薦為例，新使用者A進入了《我不是潘金蓮》電影詳情頁，如何對A進行電影推薦？

1. 對於一部電影《我不是潘金蓮》，假設他有10個屬性，則可以把它看作是一個十維空間的點：
   點N《我不是潘金蓮》
   {
   導演：馮小剛
   女主：范冰冰
   男主：郭濤
   女配：張嘉譯
   男配：大鵬
   型別：劇情
   地區：中國大陸
   語言：普通話
   日期：2016
   片長：140
   }

對於二維，三維中的點，可以直接用直線距離計算遠近，10維空間{導演，女主，男主，女配，男配，型別，地區，語言，日期，片長}中的兩個點的距離，需要重新定義一個距離函式，例如：
distance=f1(導演)+f2(女主)+…+f10(片長)
這個距離。就是每個維度貢獻分值的總和

函式可以自定義

分值可以這麼定義：
f1(導演)
{
如果兩部電影導演相同，得1分；
如果導演不同，得0分；
}

例如，有另一個點M《芳華》
{
導演：馮小剛
女主：苗苗
男主：黃軒
女配：NULL
男配：NULL
型別：劇情
地區：中國大陸
語言：普通話
日期：2017
片長：140
}

要計算M《芳華》與N《我不是潘金蓮》的距離
distance=f1(導演)+f2(女主)+…+f10(片長)=1+0+…+1=5

即：導演，型別，地區，語言，片長相同各得1分，其他維度不同得0分

遍歷電影全集中的10w部電影，就能找到與點N《我不是潘金蓮》最相近的3部電影，當用戶點選《我不是潘金蓮》的詳情頁時，直接推薦這3部最相近的電影即可