共同フィルタリングは、同様の関心と一般的な経験を持つグループの好みを使用して、ユーザーが関心を持っている情報を推奨するだけです。応答は、特に興味のある情報の記録に必ずしも限定されておらず、特に興味のない情報の記録も非常に重要です。
共同フィルタリングは、評価またはソーシャルフィルタリングに分けることができます。コラボレーションフィルタリングは、優れた速度と堅牢性を備えたグローバルインターネットフィールドで非常に人気があります。
USERCFの中心的なアイデアは、ユーザーデータに基づいてベクトルの類似性をシミュレートすることです。この類似性に基づいて、指定されたユーザーの同様のユーザーを見つけ、同様のユーザーが購入したが、指定されたユーザーが指定されたユーザーに購入していないものを推奨します。推奨学位の計算は、同様のユーザーと指定されたユーザーの類似性を指定されたユーザーと組み合わせます。デフォルトでユーザーの隠されたフィードバック動作を行うため、各アイテムの影響要因はデフォルトで1になることに注意してください。
パッケージcn.csu.cfutils; import java.util.hashmap; import java.util.hashset; import java.util.iterator; import java.util.map; import java.util.map.entry; Import java.util.canner; import java.util.util.set; @author Administrator * */public class usercf {public static void main（string [] args）{/** * enterユーザー - >アイテムエントリは複数のアイテムに対応します *ユーザーIDアイテムIDコレクション * a abd * b ac * c be * d cde */scanner scanner = new scanner（system.in）; syste。 scanner.nextint（）; int [] [] [] sparsematrix = new int [n] [n]; //ユーザーの類似性計算のためにユーザースパースマトリックスを作成します[類似性マトリックス]マップ<文字列、integer> useritemlength = new hashmap <>（）; hashmap <>（）; // hashmap <string> items = new Hashset <>（）; // AB set <string>アイテムコレクションコレクションマップ<文字列> userid = new Hashmap <>（）; // AuxiliaryストレージUserid Map Map <Integer、String> Iduser = new Hasmap <> sporting <>（ System.out.println（ "入力ユーザー - 項目マッピング情報：<eg：a ab d>"）; scanner.nextline（）; user_item.length; useritemlength.put（user_item [0]、length-1）; // eg：a 3 userid.put（user_item [0]、i）; // user idとスパースマトリックスiduser.put（i、user_item [0]）; ++）{if（items.Contains（user_item [j]）））{//対応するアイテムが含まれている場合、対応するユーザーitemususercollection.get（user_item [j]）。 items.add（user_item [j]）; itemusercollection.put（user_item [j]、new hashset <string>（））; // create item - user ructure resultion itemusercollection.get（user_item [j]）。 [sparse] set <entry <string、set <string >>> entryset = itemusercollection.entryset（）; iterator <entry <string、set <string >>> iterator = entryset.iterator（）; while（iterator.hasnext（））{set <string> commolusers = iterator.next（）。getValue（）; for（string user_u：commosursers）{for（string user_v：commolusers）{if（user_u.equals（user_v））{continue;} sparsematrix [userid.get（user_u）] [userid.get（user_v）] += 1; // v}}}} system.out.println（useritemlength.tostring（））; system.out.println（ "推奨事項のユーザーを入力：<eg：a>"）; string busmenturuser = scanner.nextline（）; system.out.println（userid.get（busmentionid）; userid.get（adminceUser）; for（int j = 0; j <sparsematrix.length; j ++）{if（j！= adminceduserid）{system.out.println（iduser.get（bedumentuserid）+" - "+iduser.get（j）+"類似性："+sparsematrix [bosmeren duserid] [j] /math.sqrt（useritemlength.get（iduser.get（bedumentuserid））*useritemlength.get（iduser.get（j）））;}} //計算指定されたユーザーの推奨の程度（文字列項目：項目）の推奨度{//各アイテムセット<string> users = itemusercollection.get（item）; //現在のアイテムを購入するためのすべてのユーザーコレクションを取得するif（！users.contains（bedenceUser））{// for（string user：users）{itemrecommenddegree+= sparsematrix [userid.get（bedumentuser）] [userid.get（user）]/math.sqrt（useritemlength.get（busementuser）*useritemlength.get（user）（user）（user）（user）（user）（user）（user））;程度： "+itemRecomMendDegree）;}} scanner.close（）;}}結果：
総ユーザー番号を入力します：6INPUTユーザー - アイタムマッピング情報：<eg：aassdddjshgjh2415231424dsjkj dklsjf ladkjsfdf8g78dfg78 8787 48787 sdfasd {dklsjf = [dsjkj7] 8787 = [df8g78dfg78]、ladkjsf = [dsjkj]} {aassdd = 0、df8g78dfg78 = 1、48787 = 1、2415231424 = 0、djshgjh = 0、dsjkj = 2}ユーザーの入力ユーザーの入力ユーザーの入力推奨事項：<eg：a AASSDDの推奨学位のためのSDFASD：nantthe item8787 aassddの推奨度：nantthe item ladkjsf for aassddの推奨程度：nan要約します
上記は、ユーザーベースの共同フィルタリング推奨アルゴリズムコードの例を実装するためのJavaプログラミングに関するこの記事の内容全体です。私はそれが誰にでも役立つことを願っています。欠点がある場合は、それを指摘するためにメッセージを残してください。このサイトへのご支援をありがとうございました！