JAVA实现用户协同算法计算用户喜爱相似度

原创文章，转载请注明出处https://blog.csdn.net/FRYAN28/article/details/90474141

基于用户的协同过滤算法是指通过分析用户对商品的行为，计算出兴趣相似的用户，并向被推荐用户推荐其兴趣相同的用户感兴趣的商品。

土话说大概就是，我跟你看的东西，基本上一样，那就可以判定我们有相似的喜好，那么我浏览的其他的东西，就可以推荐给你

我记录用户的浏览行为，并将用户对于每个商品的浏览行为的评分赋值为1.0。浏览1次为1分，多次浏览分值能够累加，通过皮尔逊公式计算用户喜爱相似度

这里贴上核心方法源码

/**
 * @Author Swallow
 * @Date 2019/4/21
 **/
public List<GoodsInfo> CFUserUtil(String Id){
        //存放所有用户数据
        Map<String, Map<String, Double>> allUsers = new HashMap<String, Map<String, Double>>();
        //查询所有的数据
        List<User> users = userDao.queryAllUser();
        List<GoodsInfo> goodsInfos = myGoodsDao.queryAll();
        //遍历每个用户，定义值
        for (User user : users) {
        /**
	 * 通过sql语句查询获取用户浏览记录，以及对应的浏览次数
	 */
            List<GoodsValue> goodsValues = browseDao.queryGoodsValue(user.getPhoneId());
            logger.info("goodsValues"+goodsValues.toString());
            if (goodsValues.size()>0){//有浏览记录的用户进行相似度计算
                Map<String, Double> u = new HashMap<String, Double>();//存放商品ID 评分值
                for (GoodsInfo goodsInfo:goodsInfos) {
                    String GId = String.valueOf(goodsInfo.getId());//商品列表中的商品ID
                    for (GoodsValue value:goodsValues){
                        String browseGId = String.valueOf(value.getGoodsId());//浏览记录中的商品ID
                        if (browseGId.equals(GId)){