文档介绍：什么是 IB 推荐算法，说白了就是当玩家在游戏商城浏览或者购买时，基于玩家的浏览和购买行为，进行个
性化的 IB 推荐，达到扩增 IB 销量，增加收入的目的，其实这是一种虚拟营销，是玩家关系管理系统下的
一个应 ID，道具 ID，购买频次，使用频次。这基本上是交易记录的变换形式，不是完全意义上的
交易记录，是把众多某一个玩家某一个时期使用某一个道具的信息进行汇总的交易记录数据。
从道具购买的信息进行数据提取：
这里我们使用的是一种表格数据，例如玩家1，购买了道具A和C，但是没够购买 B，玩家2购买了道具 B 和
C，未购买道具 A，玩家3购买了道具 B，未购买 A 和 C。这种数据也是经过预处理后的数据形式。
从整个营销的过程来看我们后来需要三个阶段，但是从我们本身的数据挖掘和分析应用层面来说，这应该
是确立算法和进行算法实施的阶段。环境的造就就是在确立此次营销目的所需的功能配合，算法研究。精
准推送就是对于实施的算法进行验证并推送，作用特定人群其实就是经过验证的算法最后发布，并根据算
法的实际运算和分析作用在特定人群身上，发生作用，达到预期目的。
使用玩家的购买记录的 IB 推荐算法
我们知道，作为玩家而言，如果对某一样道具使用****惯，并有较高的认知度，那么实际在游戏体验过程中，
必然是使用得次数非常多，但是购买次数不一定非常多（原因此处不解释，各位自己思考），但是不喜欢或
者认知度很低的道具使用次数不会很高，而且购买肯定会很低。
算法分析：
既然是 IB 的推荐，就必然存在一个指标和结果作为推荐的因素，那么一般的推荐都是采用打分的形式，但
是在游戏中，我们不可能希望于玩家对 IB 打分，这也是不现实和没有作用的，因为玩家不清楚怎么打分，
打几分。因此我们要采用隐性的打分方式，具体如下：
对于一个玩家 X1而言，设为 Y1、Y2…..Yn 某一道具的使用次数，Z1为对于玩家 X1而言所有道具中使用次
数最高的值。那么此时对于玩家 X1而言，其道具打分为：
S1->X1 = Y1/Z1 ; S1->X1 = Y1/Z1; Sn->Xn= Yn/Z1具体计算如下表格所示：
可