已观察的 1–5 星评分矩阵
—
先看谁和目标用户真的有交集
邻居的意见怎样加到预测里
当前预测分
—
—
热门基线
—
—
—
—
邻居排序与共同评分
按 |sim| 从强到弱
入选邻居的加权贡献
相似度 ×（邻居目标评分 − 邻居均分）
—
算不出来时，退回基线而不是补零
负相关不等于无用
反向口味也是信号。预测分母用 |sim|，分子保留正负号；这样不会让正负权重在分母里抵消。
没有共同项不是相似度 0
没有重叠评分时，相似度没有可计算的证据。把它当成 0 会把“不知道”误写成“确定无关”。
冷启动要换信号来源
新用户没有个人均分，新物品没有协同记录。此时先用场景热门或全局基线，再接入内容特征与受控探索。