仿小红书推荐算法(社区互动模型)

---

一、小红书推荐系统核心算法

1. 协同过滤算法（核心）

   • 用户协同过滤：通过计算用户相似度推荐相似用户喜欢的商品
   • 物品协同过滤：通过物品相似度矩阵推荐相关物品
   • 代码示例中的余弦相似度计算：

     public double cosineSimilarity(Map<Long, Double> user1, Map<Long, Double> user2) {
            
         double dotProduct = 0.0, norm1 = 0.0, norm2 = 0.0;
         for (Long itemId : user1.keySet()) {
            
             if (user2.containsKey(itemId)) {
            
                 dotProduct += user1.get(itemId) * user2.get(itemId);
             }
             norm1 += Math.pow(user1.get(itemId), 2);
         }
         for (Double rating : user2.values()) {
            
             norm2 += Math.pow(rating, 2);
         }
         return dotProduct / (Math.sqrt(norm1) * Math.sqrt(norm2));
     }
     

2. CES评分算法（社区参与度）

   • 计算公式：CES = 点赞*1 + 收藏*1 + 评论*4 + 转发*4 + 关注*8 (权重公式来源于：新浪财经)
   • 实现逻辑：

     public class CESCalculator {
            
         public double computeCES(Interaction interaction) {
            
             return interaction.getLikes() * 1 + 
                    interaction