”基于用户的协同过滤算法“是推荐算法的一种，这类算法强调的是：把和你有相似爱好的其他的用户的物品推荐给你。

　　要实现该推荐算法，就需要计算和你有交集的用户，这就要用到物品到用户的反查表。

　　先举个例子说明下反查表：甲喜欢的物品有：A、B、C；乙喜欢的物品有：B、E、F；丙喜欢的物品有：A、J、K；而你喜欢的物品是：A、J、M。反查表就是喜欢A物品的有你、甲、丙，喜欢J物品的有你、丙，喜欢M物品的只有你，这就是和你喜欢的物品有联系的用户。有了这个反查表，我们就可以看出和你有关系的用户只有甲和丙，乙用户和你没有任何的交集。于是，接下来我们只需要再计算甲、丙和你的相似性，找出和你最相邻的用户，通过这个用户来给你推荐物品。

　　因此，我在实现基于用户的协同过滤算法的第一步的关键是：通过SQL自连接，能够反查到和你喜欢的物品有联系的用户。（自连接的定义^{By百度百科}：自连接(self join)是SQL语句中经常要用到的连接方式，使用自连接可以将自身表的一个镜像当做另一个表来对待，从而能够得到一些特殊的数据。）

　　我所建的评分信息表拥有的字段和数据（删减版）如下图所示：

图1．评分信息表

其中，字段u_ID代表用户ID，f_ID代表视频ID，两者都是另外两张表的主键，score代表评分值。

　　我所使用的自连接语句为（原语句放置于存储过程中）：

SELECT DISTINCT B.u_ID 
FROM tb_interest A,tb_interest B 
WHERE A.f_ID = B.f_ID AND A.u_ID = 2 AND B.u_ID<>2;

View Code

　　执行的结果截图如下：

图2．自连接语句执行结果

　　由结果我们可以知道，和用户2有关联的用户为4、5，即用户2评分过的视频，用户4和用户5也评分过。这样，我们利用SQL自连接语句，通过一句简单的SQL语句，就能够反查到了所要的信息。