Update README.txt

README.txt

 本项目提供了实现一个推荐系统的完整流程，包括数据、算法、实验、结果评价。
 项目用到的数据集已经上传至本人博客。
-项目实现了基础的CF算法，包括ItemCF和UserCF以及改进的两种方法，并且提供了结合K-Means和社会人口统计信息的相似度计算方法，此方法解决了常见的冷启动问题。此外，对于处理流行与冷门商品方面，采取John S.BREESE在《Empirical Analysis of Predictive Algorithms for Collborative Filtering》中提到的方法，并且进行了改进。此外，实现了对用户兴趣变化情况跟踪的算法，根据用户的兴趣变化速率，实现最接近用户当下兴趣的推荐。
+项目实现了基础的CF算法，包括ItemCF和UserCF以及改进的两种方法，
+并且提供了结合K-Means和社会人口统计信息的相似度计算方法，此方法解决了常见的冷启动问题。
+此外，对于处理流行与冷门商品方面，
+采取John S.BREESE在《Empirical Analysis of Predictive Algorithms for Collborative Filtering》中提到的方法，
+并且进行了改进。此外，实现了对用户兴趣变化情况跟踪的算法，根据用户的兴趣变化速率，实现最接近用户当下兴趣的推荐。