基于内容的推荐java代码_基于内容的推荐 java实现

这是本人在cousera上学习机器学习的笔记，不能保证其正确性，谨慎参考

1、下图是待处理的数据，代码使用数据和下图一样：

2、思路：对每个用户假定其为一个3维向量(在代码中初始化为[1,1,1]的转置，然后采用梯度下降法不断的对这个3维向量的值进行更新)，假设更新到最后的向量值为[0，5，0]的转置，然后使用该向量和电影“Cute puppoes of love”的特征向量进行计算，即可得到该电影的预测分为4.95。

3、使用梯度下降法对某个用户的向量进行更新(我在代码中没有考虑正则化这一问题，现在还不懂正则化，后面学会了就附上加了正则化的)：

下图为没有使用正则化的函数：

4、下面仅针对用户carol进行了代码实现

public class ContentBase {

private static int[][] rate_set = { { 5, 5, 0, 0 }, { 5, -1, -1, 0 },

{ -1, 4, 0, -1 }, { 0, 0, 5, 4 }, { 0, 0, 5, -1 } };

private static double[][] m_feature = { { 0.9, 0 }, { 1.0, 0.01 },

{ 0.99, 0 }, { 0.1, 1.0 }, { 0, 0.9 } };

//仅针对用户carol进行了代码实现

public static void main(String[] args) {

double t = 0.1;

double[] para = { 1.0, 1.0, 1.0 };

double[] partial = new double[3];

double min = 0.0;

int i = 0, j, u,times=0;

double temp,temp2;

//100为用户2的向量学习次数

while(times++<100){

min=0.0;

i=0;

//该while循环计算代价函数

while (i < 5) {

temp = 0.0;

if (rate_set[i][2] != -1) {

for (u = 0; u < 3; u++) {

if (u == 0)

temp += para[u];

else

temp += para[u] * m_feature[i][u - 1];

}

min += (temp - rate_set[i][2]) * (temp - rate_set[i][2]);

}

i++;

}

System.out.print("当用户 carol的向量值为[");

for(j=0;j<3;j++)

if(j!=2)

System.out.print(para[j]+",");

else

System.out.println(para[j]+"]时，min="+min);

System.out.println();

for (j = 0; j < 3; j++) {

i = 0;

partial[j] = 0;

while (i < 5) {

temp = 0.0;temp2=0.0;

if (rate_set[i][2] != -1) {

for (u = 0; u < 3; u++) {

if (u == 0)

temp += para[u];

else

temp += para[u] * m_feature[i][u - 1];

}

temp2 += temp - rate_set[i][2];

if (j != 0)

temp2 *= m_feature[i][j - 1];

partial[j]+=temp2;

}

i++;

}

}

//根据求得的偏导数 partial来更新某用户的参数值

for (j = 0; j < 3; j++) {

para[j] = para[j] - t * partial[j];

}

}

}

}

4、运行结果：

注：部分图片来源为 机器学习-吴恩达 中的视频截图