集体智慧编程——推荐系统（2）

步骤三：为评论者打分

既然我们已经有了对两个人进行比较的函数，下面就可以编写程序，根据指定人员对每个人进行打分，并找出最接近的匹配结果了。在本例中，我们对找寻对与自己相似评委的影评者感兴趣，这样我们就知道在选择影片时应该采纳谁的建议了。

def topMatches(prefs,person,n=5,similarity=sim_pearson):
    scores=[(similarity(prefs,person,other),other) for other in prefs if other!=person]

    scores.sort()
    scores.reverse()
    return scores[0:n]

该函数利用了列表推导式，将自身和字典中的其

>>>reload(recommendations)
>>> recommendations.topMatches(recommendations.critics,‘Toby‘,n=3)
[(0.9912407071619299, ‘Lisa Rose‘), (0.9244734516419049, ‘Mick LaSalle‘), (0.8934051474415647, ‘Claudia Puig‘)]

他每一个用户进行了比较。返回排序结果的前N项。