UserCF算法主要流程：主要全局变量：constintusersum=6040;//用户总数constintitemsum=3952;//项目总数constintN=10;//为用户推荐前N个物品inttrainuser[usersum][itemsum]={0};//训练集合useritemrate矩阵inttest[usersum][itemsum]={0};//测试集合useritemrate矩阵struct_simi{doublevalue;//相似值intnum;//相似用户号};_simisimiUser[usersum][usersum];//排序后的相似性矩阵doubletrainuserItem[usersum][itemsum]={0
0};//useritem兴趣程度矩阵intrecommend[usersum][N]={0};//为每个用户推荐N个物品拆分数据集函数intSplitData(intm,intk)主要流程：将数据集拆分为测试集test和训练集trainuser，其中1/m为测试集,取不同的k
