这个看公式里的变量，对应就好了

可以考虑，影响商品的排序，类似影响排序的因素会有很多，课件里只是拿一个例子说明

听了老师的原话大概是：

r ui 代表 user 对 item 的行为得分，比如电影评分，用户给出 1—5分的电影评分，后续归一化为一个 0～1 之间的值，可以作为一个权重反应 user 对 item 的偏好程度。

时间差异的权重

在这个例子中用户A和D的行为更相似 为了能够区分 所以老师用的这俩做例子 你的逻辑也是正确的

辛亏你自问自答了这个问题，我刚才还在想这个s(i,k)表示的是什么意思呢?

您好，我理解您所说的物品间相关性是稳定的是指的物品的属性计算，比如我们两个都是讲宫斗的电视剧，两个不同品牌但都是薯片的零食等等。我们这里cf得到的item sim矩阵是基于用户的行为来体现的。用户的兴趣会随时间变化。比如我一年之前喜欢篮球，我爱看科比。现在我喜欢综艺，我爱看爸爸去哪儿。这两个物品都被我行为过，如果不加时间衰减，那么我就给这俩物品的相似度计算过程中分子贡献1，如果算了时间衰减，也许我的贡献就是0.01.如果用户中存在很多这样的‘我’，不衰减岂不是 爸爸去哪儿 和科比成了很相似的。您理解一下看看有什么问题我们继续交流。

与itemj 最相似的k个item

可以参考线性SVM的公式，个人感觉是一样的。就是给了一个实际应用场景。

就是他们分别的模乘积开根号，比如i用户点击了3个物品，j用户点击了2个物品那么分母就是根号6.