要测量两个文档之间的相似度，可以使用例如 TF-IDF/余弦相似度。假设在计算与Doc A文档列表 ( Doc B, Doc C,...) 的相似度得分后，我们得到：

当然，Doc B就相似性而言，似乎是最接近的，对于Doc A. 但是，如果用户作为人类认为Doc C 应该被选为最接近的呢？也就是说，我们如何考虑用户偏好，以便稍后如果用户再次运行算法，得分Doc A vs. Doc C将高于Doc A vs. Doc B？简单来说，除了计算 TF-IDF/余弦相似度外，该算法还考虑了用户的选择历史，并提出最Doc满足特定用户的选择。

除了 TF-IDF/余弦相似度之外，我对任何技术都持开放态度。如果还有一些现成的实现，例如在 Python 中，那就太好了。