首先，存在一个用户电影打分矩阵Y，然后你要做的任务就是将这个矩阵分解为一个用户特征矩阵X，一个电影特征矩阵Q，即X矩阵里面是一些用户的特征，在给用户推荐时你可以根据计算用户的特征矩阵的皮尔逊相似度找出最相似的用户，然后进行你后期的一些推荐；Q里面是一些电影的特征，你要找一些相似电影的时候，可以计算这些电影的特征矩阵之间的相似度找出相似的电影，可以用距离进行衡量，也可以用pearson进行衡量，就可以找出相似电影了。
当你初始化一个用户时，什么特征都没有，你可以进行一个均值归一化的操作，对他的电影打分矩阵的分数进行填充，然后再分解。
