解决长尾效应的相似度（用于推荐）

解决长尾效应的相似度（用于推荐）

wbcosine(Web Scale Cosine Similarity)

其中，$U_i$是浏览商品i的用户集合，如果$W_u=1$，那么就是标准的余弦函数。一般取$W_u=\frac{1}{{\log }_2(3+q_u)}$，其中$q_u$是用户浏览的商品数，也就是说用户越活跃贡献越小。但是只是打压了热门用户，没有改变热门商品。

Swing

其中，$U_i$是浏览商品i的用户集合，$I_u$是用户u浏览过的物品集合；$\alpha$是一个平滑常数，一般为1.

主要思想就是，如果大量用户同时喜欢两个物品，且这些用户之间的相关性低，那么这两个物品就是强相关的。

对活跃用户进行惩罚