“提供推荐”是基于协作型过滤算法的。协作型过滤的概念为：一个基于协作型过滤的算法，通常的做法是对一大群人进行搜索从中计算出与我们品味比较相似的一小群人，然后算法对这一小群人的偏好进行考察，并将它们进行组合，最后构造出一个经过排序的推荐列表。
“提供推荐”的步骤如下：
-
偏好搜集：在网页中设置表单或其他方式，设置一系列特定的字符代表一定的偏好，将这些特定的字符与偏好一一对应，并以键值对的形式存入数组或数据库中。
-
寻找相近用户：该过程可以有两种方法，其一是利用欧几里德距离，其二是利用皮尔逊相关度评价。
欧几里德距离：就是一种计算多维空间两点之间距离的方法。其具体实现方法为：以用户一致评价的“项”为座标轴，以对该项的评分值为座标值，以用户作为座标轴中的点，座标空间中的两点距离越大其相似度越小。
皮尔逊相关度评价：计算公式如下：(不知为何此处的公式显示不出来在此提供一个参考链接http://blog.csdn.net/wsywl/article/details/5727327)
相似度r值越大其相似度就越高。
