代码位于Features 类 因为现实系统的rating 值，非常稀疏，为了节省存储空间和提升效率，在特征存储结构上，需要进行一些改动。主要思路如下：

用户对物品打分的数据，针对单个用户而言，对不同的物品的打分是很稀疏的。可以用libsvm格式来进行存储。

例如： 输入为
1::661::3::978302109
1::914::3::978301968
转化之后结果为
1 661:3 914:3

id 为String features 为 SparseVector

代码位于ItemCF 类

实现了两种方式，Jaccard 相似度 和 余弦相似度

使用BitSet 存储每个用户的对该Item 是否有Ratting 的情况。

使用自带API实现

选取该物品和其他物品的相似度向量。使用特征向量和相似度向量点乘即可。

挖坑

挖坑