この記事では、スパースマトリックスの計算のコサイン類似性関数のJava実装について説明します。次のように、参照のために共有してください。
import java.util.hashmap; public class myudf { /*** udf evaluate interface** udfはレコードレベルで1対1、フィールドで1対1または多数です。評価方法は、各レコードで1回、1つ以上のフィールドとして入力し、1つのフィールドとして出力されます*/パブリックダブル評価（String A、String B）{// TODO：必要に応じて値を変更し、値を返し、（a == null || b == null）0.0を返す場合、ここで独自のロジックを実装してください。 string temp1 [] = a.split（ "、"）; string temp2 [] = b.split（ "、"）; if（temp1 == null || temp2 == null）{return 0.0; } hashmap <string、double> map1 = new hashmap <string、double>（）; hashmap <string、double> map2 = new hashmap <string、double>（）; for（string temp：temp1）{string t [] = temp.split（ "："）; map1.put（t [0]、double.parsedouble（t [1]））; } for（string temp：temp2）{string t [] = temp.split（ "："）; map2.put（t [0]、double.parsedouble（t [1]））; } double fenzi = 0; double fenmu1 = 0; for（string i：map1.keyset（））{double value = map1.get（i）; if（map2.get（i）！= null）{fenzi+= value*map2.get（i）; } fenmu1+= value*value; } double fenmu2 = 0; for（double i：map2.values（））{fenmu2+= i*i; } double fenmu = math.sqrt（fenmu1）*math.sqrt（fenmu2）; Fenzi/Fenmuを返します。 } public static void main（string [] args）{string a = "12：500,14：100,20：200";文字列b = "12：500,14：100,30：100"; myudf myudf = new myudf（）; system.out.println（myudf.evaluate（a、b））; }}実行結果：
0.9135468796041984
Javaアルゴリズムの詳細については、このサイトに興味のある読者は、「Javaデータ構造とアルゴリズムのチュートリアル」、「Java操作DOMノードのヒントの要約」、「Javaファイルの要約およびディレクトリ操作のヒント」、「Java Cache操作のヒントの要約」というトピックを見ることができます。
この記事がみんなのJavaプログラミングに役立つことを願っています。