首先，我假設你是想給用戶推薦相似用戶，因為如果給用戶推薦文章或其他內容，思路是不同的。

一、先創建向量模型，根據不同的網站類型，需要考慮的因素不同，以下幾種方式可以做合起來使用

1、考慮用戶的哪些數據可以作為向量中的一個緯度，如所在學校、出生日期、性別、發不過的文章數等。

2、把用戶id、電影(或其他數據)id、評分作為向量中的緯度。

二、對于第一步中的1和2兩種(也有可能多種)向量，分別計算相似度，按照不同的權重獲得最終的相似度評分。

三、如何使用向量進行評分呢，有多種方法

1、使用問題中所說的余弦定理，具體公式網絡上可以獲得，步驟就是根據當前用戶的向量信息，遍歷所有其他用戶，分別獲得相似度。

2、第1種方法也是可以用，但是缺點是不能頻繁更新，可能需要幾天更新一次。更好的方式是把余弦定理(或其他定理如歐幾里得距離等)按照一定的聚類算法去使用，具體的聚類算法可以參考K-Means等，網上有不少線程的代碼，可以參考，基本原理就是在整個向量集中隨即的選取幾個中心點，把周圍相似的聚集到一起。

四、如果想簡單實現的話

可以先使用大的分類方法，把用戶分成各種小的類別，比如按照學校、年級、性別等(不使用相似度計算，直接.分類)，在獲得的小集合中使用余弦定理，參數就是用戶評分數據等等，這種情況可以在線計算，速度還是比較快的。

總結

以上是生活随笔為你收集整理的php用户名相似度对比,PHP-如何快速计算出用户的相似度的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。