UserCF的核心思想即为根据用户数据模拟向量相似度，我们根据这个相似度，来找出指定用户的相似用户，然后将相似用户买过的而指定用户没有买的东西推荐给指定用户，推荐度的计算也是结合了相似用户与指定用户的相似度累加。注意这里我们默认是用户的隐反馈行为，所以每一个物品的影响因子默认为1。
【基于用户的协同过滤推荐算法java实现（UserCF）】
package cn.csu.CFUtils;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Scanner;
import java.util.Set;
/**
* 基于用户的协同过滤推荐算法实现
A a b d
B a c
C b e
D c d e
* @author Administrator
*
*/
public class UserCF { public static void main(String[] args) {
/**
* 输入用户-->物品条目一个用户对应多个物品
* 用户ID 物品ID集合
*Aa b d
*Ba c
*Cb e
*Dc d e
*/
Scanner scanner = new Scanner(System.in);
System.out.println("Input the total users number:");
//输入用户总量
int N = scanner.nextInt();
int[][] sparseMatrix = new int[N][N];
//建立用户稀疏矩阵，用于用户相似度计算【相似度矩阵】
Map userItemLength = new HashMap<>();
//存储每一个用户对应的不同物品总数eg: A 3
Map
