问题理解

楼主的题设有点问题，Item Based 确实是根据用户的打分进行计算的，但计算的不是用户的相似度，而是求物品的相似度。

由于看到后面楼主要求的是类似 AC > AB > BC 这种人与人之间的相似度结果，我这里假设楼主实际想问的是 User Based 协同过滤方法，这种协同过滤才是计算用户相似度的。

关于两种方式哪个更好，可以参考网上诸多的介绍。

解答问题

1、计算两个用户的相似度，不管使用何种度量方式，第一步都是把数据 向量化 ，根据场景，我们可以把A用户向量化为以下格式：

A = (a:1,b:5,c:4,d:0)
B = (a:1,b:0,c:0,d:3)

其中a、b、c是三个维度，后面的数字表示这个维度上的评分，0表示这个维度上没有评分，A和B的总得维度数为他们都看过的电影的并集。

2、有了向量化的数据，计算相似度就很容易了，通常可以使用余弦相似度或欧氏距离来计算，我们这里假设使用余弦相似度：

cos(A,B) = (A与B的内积)/|A||B| (参考预先定理)

结果为：cos(A,B) = 0.0487 ，即预先返回的是一个0到1之间的浮点数，如果需要0到100，可以乘100就行了（虽然没有这个必要）。

题外话

上面的内容只是非常基本的方式，实践中还有非常多需要特殊注意的地方无法一一详述，所以我的回答建议只做实验参考，要实践的话可以先从《集体智慧编程》的第一章开始了解。