基于内容的推荐:
1.将电影的类型作为one-hot向量，将用户评价过的电影的向量相加
(或者根据用户的评分进行加权求和)，得到用户画像向量。

2.将所有用户没有评价过的电影与用户的画像向量进行余弦相似度计算，
将前n名推荐出去，这里我将n设置为10。


基于融合的推荐：
1.由于基于物品的CF与基于内容的推荐有一定的相似性，故我选择将
基于用户的CF与基于内容的推荐进行融合。

2.分别使用两种推荐方法推荐n个，共2n个。

3.抽取训练集：将用户评价过的电影的标签设置为1，从用户未评价过的
电影随机选出数量相同的一部分，将其标签设置为0，这样就构成了训练集。

4.训练LogisticRegression分类器，对2n个推荐电影进行预测，选出概率
最大的n个电影。


补充说明：
这里用平均流行度的倒数来表示新颖度。