update README.md.

Signed-off-by: taishan <liuyapeng@bdtd.com>

README.md

@@ -1,12 +1,21 @@
 # JAVA推荐系统
 
 #### 系统原理
-该系统使用java编写的基于用户的协同过滤算法（UserCF）
+该系统使用java编写的基于用户的协同过滤算法（UserCF）和基于物品（此应用中指电影）的协同过滤(ItemtemCF）
 利用统计学的相关系数经常皮尔森（pearson）相关系数计算相关系数来实现千人千面的推荐系统。
 
-协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法(user-based collaboratIve filtering)，和基于物品的协同过滤算法(item-based collaborative filtering)。简单的说就是：人以类聚，物以群分。
 
-皮尔森(pearson)相关系数公式
+#### 协同过滤算法
+协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。协同过滤(Collaborative Filtering,简写CF)是推荐系统最重要得思想之一，其思想是根据用户之前得喜好以及其他兴趣相近得用户得选择来给用户推荐物品(基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐)，一般仅仅基于用户的行为数据（评价，购买，下载等），而不依赖于物品的任何附加信息（物品自身特征）或者用户的任何附加信息（年龄，性别等）。其思想总的来说就是：人以类聚，物以群分。
+目前应用比较广泛的协同过滤算法是基于邻域的方法，而这种方法主要有两种算法：
+分别是:
+
+- 基于用户的协同过滤算法(user-based collaboratIve filtering 简称 UserCF)
+给用户推荐和他兴趣相似的其他用户喜欢的产品
+- 基于物品的协同过滤算法(item-based collaborative filtering 简称 ItemCF)
+给用户推荐和他之前喜欢的物品相似的物品
+
+#### 皮尔森(pearson)相关系数公式
 
 ![输入图片说明](https://images.gitee.com/uploads/images/2020/0731/193612_8dfc4af8_1981977.png "屏幕截图.png")
 
@@ -28,7 +37,7 @@
                  0.2-0.4     弱相关
                  0.0-0.2     极弱相关或无相关
 
-java代码实现
+#### 代码实现
 
 ![输入图片说明](https://images.gitee.com/uploads/images/2020/0731/195616_1a98b43e_1981977.png "屏幕截图.png")