1.4.2　运行结果

本部分包括三种推荐方式的运行结果。

1．推荐同类型的电影

相关代码如下：

    recommend_same_type_movie(1401,20)

调用函数查看电影ID为1401的同类型电影，方法是计算当前电影特征向量与整个电影特征矩阵的余弦相似度，取最大的top_k个，最后推荐出5部电影，如图1-9所示。

2．推荐用户喜欢的电影

相关代码如下：

    recommend_your_favorite_movie(234,10)

调用函数查看ID为234的用户可能喜欢的电影，方法是根据用户特征向量和所有电影特征矩阵计算评分，取最大的top_k个，最后推荐出5部电影，如图1-10所示。

3．看过这部电影的用户还喜欢看哪些电影

相关代码如下：

    recommend_other_favorite_movie(1401,20)

这种推荐方法目前最有意义，也是人们经常使用的方法。例如，很多互联网公司都采用这种协同过滤的方法，淘宝中喜欢该商品的人还喜欢哪些商品，音乐软件中喜欢这首歌的还喜欢听哪些歌等。在本例中，调用函数查看喜欢看电影ID为1401的用户还喜欢哪些电影，取最大的top_k个用户，如图1-11所示。得到特征向量之后，再计算这些用户对所有电影的评分，选取得分最高的5部电影，结果如图1-12所示。

客户端首页（about页）如图1-13所示，推荐同类型电影的页面如图1-14所示，推荐喜欢的电影页面如图1-15所示。