基于内容的推荐算法（推荐系统）（二）

距离上次更新已经不知道有多久了，因为过几日就是中期答辩了，为了不太监开始坚持把这个项目往后做一做。

这次我们要做的是什么呢，要先搭建整个开发环境，目前用到的如下：mysql,idea,IKAnalyzer2012_u6(一个开源的分词包，完全够用了)

这次我计划先完成最简单的一个推荐系统的设计，目的只为了完成通过余弦相似性来计算文本的相似性，提取特征值采用数据库中最好拆解分析的“原料”列

余弦相似度和tf-idf的参考文章 http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html

 IKAnalyzer 下载地址http://lxw1234.com/archives/2015/07/422.htm

需要用到的jar包：

上面两个在上面那个下载的文件夹里，导入即可，jdbc的java和mysql的连接用的jar包自己搜着下载吧。

用到的数据库：已经放到我百度云里了https://pan.baidu.com/s/1nv4klM5，格式是mdb也就是微软的access，我使用的是navicat将其转换为mysql的。

数据格式：

我们先上一个现在达到的最终效果

接下来讲如何实现。

首先我设计了三个类，分别是JDBC类用于连接数据库， similarity类用于计算相似度，split类用来完成分词。

先将最重要的部分，similarity类是如何工作的。

我们采用默认的分词方法，随便分一行中的原料列看看效果

菠菜|400克|熟火腿|20克|鸡蛋|50克|海米|20克|熟|冬笋|50克|水|发|冬菇|50克|胡萝卜|50克|

里面有两个方法，getSimilarDegree计算相似度，delUseless是将无用的“50克”这样的删掉。

下面我们举一个实际的例子：

鲜|豆腐|香菇|黑木耳|西红柿|黄瓜|蛋清|

豆腐|小葱| 

上面是两样菜谱的原料分词并且去除无用词后，我们怎么算他们两个的相似度呢？

使用余弦的算法我们都很清楚公式，

这个夹角越小，也就是上面的值越逼近1说明两者相似度越高。

注意我们要怎么样构造这个向量空间呢：