先说个反常识的：Netflix 的推荐算法根本不分析电影本身。

这套东西叫协同过滤，90 年代初就出现了。明尼苏达大学的 GroupLens 项目组发现一个朴素规律：过去评价一致的人，未来大概率还会一致。放到推荐场景就是——先找到你的"口味双胞胎"，她打五星的东西，推给你准没错。Amazon 的"买过这个的也买了那个"、Spotify 的每周推荐、Netflix 那套猜你喜欢，底层全是这个思路。

一、怎么量化"像不像"

把一个用户对所有电影的评分当成一个多维向量：

you =   [5, 4, 1, 5]   # 钢铁侠、芭比、泰坦尼克、黑客帝国的评分
kelly = [5, 4, 1, 4]

余弦相似度算的是这两个向量之间的夹角，接近 1 说明口味高度重合，接近 0 就是纯路人