仿小红书推荐算法(社区互动模型)

最新推荐文章于 2025-05-04 22:46:35 发布

立志成为好青年

最新推荐文章于 2025-05-04 22:46:35 发布

阅读量1k

点赞数 27

文章标签：推荐算法算法 java

本文链接：https://blog.csdn.net/YC_Deram/article/details/145831028

版权

一、小红书推荐系统核心算法

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));
}

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