相信大家對如下的Category都很熟悉，很多網站都有類似如下的功能，“商品推薦”,"猜你喜歡“，在實體店中我們有導購來為我們服務，在網絡上
我們需要同樣的一種替代物，如果簡簡單單的在資料庫裡面去撈，去比較，幾乎是完成不了的,這時我們就需要一種協同推薦算法，來高效的推薦浏覽者喜
歡的商品。
一：概念
SlopeOne的思想很簡單，就是用均值化的思想來掩蓋個體的打分差異，舉個例子說明一下：
在這個圖中，系統該如何計算“王五“對”電冰箱“的打分值呢？剛才我們也說了，slopeone是采用均值化的思想,也就是：R王五 =4-{[(5-10)+(4-5)]/2}=7 。
下面我們看看多于兩項的商品，如何計算打分值。
rb = (n * (ra - R(A->B)) + m * (rc - R(C->B)))/(m+n)
注意： a,b,c 代表“商品”。
ra 代表“商品的打分值”。
ra->b 代表“A組到B組的平均差（均值化）”。
m,n 代表人數。
根據公式，我們來算一下。
r王五 = (2 * (4 - R(洗衣機->彩電)) + 2 * (10 - R(電冰箱->彩電))+ 2 * (5 - R(空調->彩電)))/(2+2+2)=6.8
是的，slopeOne就是這麼簡單，實戰效果非常不錯。
二：實作
1：定義一個評分類Rating。
2： 定義一個産品類
3：SlopeOne類
參考了網絡上的例子，将二維矩陣做成線性表，有效的降低了空間複雜度。
4: 測試類Program
這裡我們灌入了userid=1000，2000，3000的這三個人，然後我們預測userID=3000這個人對 “彩電” 的打分會是多少？