基于用户的协同过滤算法的实现（JAVA）

协同过滤算法：
应用：各个影视app的影视推荐，购物app里面的买了这个物品的人也喜欢…
分类：分为基于用户的协同过滤算法和基于物品的协同过滤算法
本文使用的协同过滤算法为基于用户的协同过滤算法：
杰卡德相似系数(Jaccard similarity coefficient)
　　　　其实就是集合的交集除并集

/*
    user1:A B C
    user2:A B D
    user3:B D F
    user4:F G H
 */
import lombok.Data;

import java.util.List;

@Data
public class UserM {
    private List<String> like;
    private double seem;//相似度
}

import java.util.*;

public class Test {
    public static void main(String[] args) {
        UserM userM1 = new UserM();
        UserM userM2 = new UserM();
        UserM userM3 = new UserM();
        UserM userM4 = new UserM();

        List<String> list1 = Arrays.asList("悬疑","恐怖","爱情");
        List<String> list2 = Arrays.asList("悬疑","恐怖","战争","爱情","科幻");
        List<String> list3 = Arrays.asList("恐怖","战争","伦理","古装","小说");
        List<String> list4 = Arrays.asList("战争","伦理","搞笑","小说");

        userM1.setLike(list1);
        userM2.setLike(list2);
        userM3.setLike(list3);
        userM4.setLike(list4);

        List<UserM> list = new ArrayList<>();
        list.add(userM2);
        list.add(userM3);
        list.add(userM4);

        List<UserM> userMS = searchUserM(userM1, list);
        for(int i = 0 ; i < userMS.size() ; i++){
            userMS.get(i).setSeem(compare(userM1,userMS.get(i)));
            System.out.println(userMS.get(i).toString());
        }

        Map<String, Double> recommend = recommend(userM1, userMS);

        System.out.println(recommend);

    }



    /**
     *
     * @param userM1 当前登录用户
     * @param userM2 要进行相似度比较的用户
     * @return 相似度
     *      //比较两个集合，相同的即放在union，又放在intersection
     *     //不同的，放在union
     *     //用杰卡德相似系数求相似度--杰卡德系数 = 交集/并集
     */
    public static double compare(UserM userM1,UserM userM2){
        //并集
        List<String> union = new ArrayList<>();
        //交集
        List<String> intersection = new ArrayList<>();

        List<String> like1 = userM1.getLike();
        List<String> like2 = userM2.getLike();

        //将userM1的like先放入并集
        for(int i = 0 ; i < like1.size() ; i++){
            union.add(like1.get(i));
        }
        //将like2与并集进行对比
        for(int i = 0 ; i < like2.size() ; i++){
            if(union.contains(like2.get(i))){
                //如果并集中存在，加入到交集中
                intersection.add(like2.get(i));
            }else{
                //并集中不存在，加到并集中
                union.add(like2.get(i));
            }
        }
        //相似度
        double likes = (double)intersection.size()/union.size();

        return likes;
    }

    /**
     *
     * @param userM 当前用户
     * @param list 与当前用户相关的用户
     * @return 对当前用户的电影的推荐度
     */
    public static Map<String,Double> recommend(UserM userM,List<UserM> list){
        List<String> recommends = new ArrayList<>();
        Map<String,Double> map = new HashMap<>();
        for(int i = 0 ; i < list.get(0).getLike().size() ; i++){
            recommends.add(list.get(0).getLike().get(i));
            map.put(list.get(0).getLike().get(i),list.get(0).getSeem());
        }

        for(int j = 1 ; j < list.size() ; j++){
            for(int i = 0 ; i < list.get(j).getLike().size() ; i++){
                //如果recommends里面存在，即有交集
                if(recommends.contains(list.get(j).getLike().get(i))){
                    //如果有，修改值
                    map.replace(list.get(j).getLike().get(i),map.get(list.get(j).getLike().get(i))+list.get(j).getSeem());
                }else{
                    //recommends中不存在
                    map.put(list.get(j).getLike().get(i),list.get(j).getSeem());
                }
            }
        }

        return map;
    }

    /**
     *
     * @param userM  当前登录用户
     * @param list   全部用户
     * @return 与当前登录用户相关的用户
     */
    public static List<UserM> searchUserM(UserM userM,List<UserM> list){
        List<String> like = new ArrayList<>();//存放当前登录用户喜欢的类型
        List<UserM> listU = new ArrayList<>();//存放与当前登录用户相关的用户

        for(int i = 0 ; i < userM.getLike().size() ; i++){
            like.add(userM.getLike().get(i));
        }

        for(int i = 0 ; i < list.size() ; i++){
            for(int j = 0 ; j < list.get(i).getLike().size() ; j++){
                if(like.contains(list.get(i).getLike().get(j))){
                    listU.add(list.get(i));
                    break;
                }else{
                    continue;
                }
            }
        }

        return listU;
    }
}

结果