”基于用戶的協同過濾算法“是推薦算法的一種，這類算法強調的是：把和你有相似愛好的其他的用戶的物品推薦給你。

　　要實現該推薦算法，就需要計算和你有交集的用戶，這就要用到物品到用戶的反查表。

　　先舉個例子說明下反查表：甲喜歡的物品有：A、B、C；乙喜歡的物品有：B、E、F；丙喜歡的物品有：A、J、K；而你喜歡的物品是：A、J、M。反查表就是喜歡A物品的有你、甲、丙，喜歡J物品的有你、丙，喜歡M物品的只有你，這就是和你喜歡的物品有聯系的用戶。有了這個反查表，我們就可以看出和你有關系的用戶只有甲和丙，乙用戶和你沒有任何的交集。于是，接下來我們只需要再計算甲、丙和你的相似性，找出和你最相鄰的用戶，通過這個用戶來給你推薦物品。

　　因此，我在實現基于用戶的協同過濾算法的第一步的關鍵是：通過SQL自連接，能夠反查到和你喜歡的物品有聯系的用戶。（自連接的定義By百度百科：自連接(self join)是SQL語句中經常要用到的連接方式，使用自連接可以將自身表的一個鏡像當做另一個表來對待，從而能夠得到一些特殊的數據。）

　　我所建的評分信息表擁有的字段和數據（刪減版）如下圖所示：

圖1．評分信息表

其中，字段u_ID代表用戶ID，f_ID代表視頻ID，兩者都是另外兩張表的主鍵，score代表評分值。

　　我所使用的自連接語句為（原語句放置于存儲過程中）：

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;

　　執行的結果截圖如下：

圖2．自連接語句執行結果

　　由結果我們可以知道，和用戶2有關聯的用戶為4、5，即用戶2評分過的視頻，用戶4和用戶5也評分過。這樣，我們利用SQL自連接語句，通過一句簡單的SQL語句，就能夠反查到了所要的信息。

http://www.cnblogs.com/HellerTse/archive/2014/05/02/3703801.html