53 lines
2.5 KiB
Markdown
53 lines
2.5 KiB
Markdown
# JAVA推荐系统
|
||
|
||
#### 系统原理
|
||
该系统使用java编写的基于用户的协同过滤算法（UserCF）
|
||
利用统计学的相关系数经常皮尔森（pearson）相关系数计算相关系数来实现千人千面的推荐系统。
|
||
|
||
协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法(user-based collaboratIve filtering)，和基于物品的协同过滤算法(item-based collaborative filtering)。简单的说就是：人以类聚，物以群分。
|
||
|
||
皮尔森(pearson)相关系数公式
|
||
|
||
|
||
|
||
公式定义为： 两个连续变量(X,Y)的pearson相关性系数(Px,y)等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积(σX,σY)。系数的取值总是在-1.0到1.0之间，接近0的变量被成为无相关性，接近1或者-1被称为具有强相关性。
|
||
通常情况下通过以下取值范围判断变量的相关强度：
|
||
相关系数 0.8-1.0 极强相关
|
||
0.6-0.8 强相关
|
||
0.4-0.6 中等程度相关
|
||
0.2-0.4 弱相关
|
||
0.0-0.2 极弱相关或无相关
|
||
|
||
java代码实现
|
||
|
||
|
||
|
||
#### 软件架构
|
||
Spring boot单项目
|
||
|
||
#### 安装教程
|
||
|
||
1. git下载源码
|
||
2. maven构建依赖
|
||
3. idea-java运行
|
||
#### 使用说明
|
||
|
||
1. 找到 src / main / java / com / tarzan / recommend / RecommendSystemApplication.java 右键java 运行
|
||
|
||
2.传入不同的用户id，得到不同的推荐数据
|
||
|
||
3.项目中用到的文件数据集ml-100k 在 src / main / resources目录下
|
||
|
||
#### 技术交流&问题反馈
|
||
|
||
刚刚整理的代码还有很多不足之处，如有问题请联系我
|
||
|
||
联系QQ:1334512682
|
||
微信号：vxhqqh
|
||
|
||
#### 我的博客
|
||
[洛阳泰山](https://blog.csdn.net/weixin_40986713)
|
||
|
||
|
||
|