1.3 基于物品的协同过滤-CSDN博客

本文链接：https://blog.csdn.net/qq_49042161/article/details/147895599

思想

先根据所有用户的历史行为，计算物品相似性。
把某用户喜欢物品相似的类型推给该用户。

例子

在这里插入图片描述

想知道alice对物品5是否喜欢，想找到物品1、2、3、4和物品5最相关的，然后根据alice的打分情况对物品5进行打分。
根据皮卡尔相关系数计算。

public static void main(String[] args) {
        // 物品1(3,4,3,1),物品5(3,5,4,1)
        // 计算皮尔逊相关系数
        double[] nums1 = {3,4,3,1};
        double[] nums2 = {3,5,4,1};

        double avg1 = (nums1[0] + nums1[1] + nums1[2] + nums1[3])/4;
        double avg2 = (nums2[0] + nums2[1] + nums2[2] + nums2[3])/4;

        for(int i = 0; i < nums1.length; i++){
            nums1[i] = nums1[i] - avg1;
            nums2[i] = nums2[i] - avg2;
            System.out.println(nums1[i]+" " + nums2[i]);
        }

        double fenzi = 0;
        double fenmu1 = 0;
        double fenmu2 = 0;
        for(int i = 0; i < nums1.length; i++){
             fenzi += nums1[i] * nums2[i];
             fenmu1 += nums1[i] * nums1[i];
             fenmu2 += nums2[i] * nums2[i];
        }
        double fenmu = Math.sqrt(fenmu1) * Math.sqrt(fenmu2);
        System.out.println(fenzi);
        System.out.println(fenmu);
        double result = fenzi / fenmu;
        System.out.println(result);
    }