用户相似性度量

PearsonCorrelationSimilarity（皮尔逊相关系数）

原理：度量两个意义对应数列之间的线性相关程度，即度量两个数列中数字一起增大或一起减小的可能性。

场景：用于度量两个用户之间的相似性，度量两个用户针对同一物品的偏好值变化趋势的一致性。

优点：结果直观。

缺点：没有考虑到两个用户同时给出偏好值的数目。解决办法：引入权重，即加权。

          例如，两个用户如果同时对200件物品给出偏好值，可能更比两个用户仅同时对2件物品给出偏好值更相似。

          mahout in action 中1和5（同时对三件物品给出偏好值）的系数却比1和4（同时对两件物品给出偏好值）的相似度系数低

UncenteredCosineSimilarity（非中心化余弦距离相似度。中心化余弦距离相似度即皮尔逊相关系数）

原理：非中心化 的余弦距离。多维空间中两点与指定点之间的夹角，夹角越小越相似

缺点：没有考虑到两点之间的空间距离。例如，两个点之间的夹角度数较小，但空间距离较大，

          其算出来的相似度会比夹角大而空间距离更小的两个点的相似度更高。