协同过滤之ItemCF（c++实现）

来源：互联网发布：淘宝上卖什么最赚钱编辑：程序博客网时间：2024/06/05 08:12

ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西.

通常情况下，ItemCF算法可归纳为如下三个步骤：

1、计算用户曾经评过分的每一个物品与当前物品的相似度;

2、从用户曾经评过分的物品中,选出与当前物品相似度最高的k个作为当

前物品的邻居;

3、利用邻居物品评分的加权平均值来预测用户对当前物品的评分

代码如下：

#include<iostream>#include<algorithm>using namespace std;#define K 2class U_I{public:U_I::U_I(){M=5;N=5;no=0;}int GetM(){return M;}int GetN(){return N;}int GetR(){return R;}int GetC(){return C;}double Getsim(){return sim;}double Getindex(){return index;}int Getno(){return no;}void Setno(int n){no=n;};void Setsim(double s){sim=s;}void Setindex(int i){index=i;}void Init_a(){a=new int[GetM()*GetN()];}    //初始化矩阵指针void Getarr();     //输出矩阵void Init_arr();       //初始化矩阵int C_(int);  //获取需要计算相似度的列double Sim_fengzi(int);double Sim_fengmu(int);double Sim(double,double);void Get_sim_index(U_I);    //输出  sim：indexvoid Get_score(U_I);    //输出最终评分private:int *a;int no;     <span style="font-family: Arial, Helvetica, sans-serif;">//no记录需要计算多少个项目的相似度</span>int M;int N;int index;double sim;static const int R=2;static const int C=3;}arr[10];void U_I::Getarr(){for(int i=0;i<M*N;++i){cout<<'\t'<<a[i];if((i+1)%5==0&&i!=0)cout<<endl;}}void U_I::Init_arr(){a[0]=0,a[1]=4,a[2]=5,a[3]=2,a[4]=5;a[5]=0,a[6]=2,a[7]=4,a[8]=4,a[9]=3;a[10]=5,a[11]=3,a[12]=2,a[13]=0,a[14]=5;a[15]=2,a[16]=4,a[17]=0,a[18]=1,a[19]=1;a[20]=3,a[21]=0,a[22]=3,a[23]=4,a[24]=0;}int U_I::C_(int i){if(a[R*M+i]!=0)return i;elsereturn -1;}double U_I::Sim_fengzi(int c){double s1=0;  for(int i=0,j=0;i<M*N&&j<N;i=i+5)  {  if(*(a+c+i)==0||*(a+C+i)==0)  continue;  else  {s1+=*(a+c+i)**(a+C+i);  ++j;}}  cout<<"分子："<<s1<<endl;  return s1;  }double U_I::Sim_fengmu(int c){double s2=0,s3=0;  for(int i=0,j=0;i<M*N&&j<N;i=i+5)  {  if(*(a+c+i)==0||*(a+C+i)==0)  continue;  else  {++j;s2+=*(a+c+i)**(a+c+i); s3+=*(a+C+i)**(a+C+i);}}    cout<<"分母："<<sqrt(s2)*sqrt(s3)<<endl;  return sqrt(s2)*sqrt(s3); }double U_I::Sim(double s1,double s2){return s1/s2;}bool cmp (U_I s1,U_I s2)  {  return s1.Getsim()>s2.Getsim();  }void U_I::Get_sim_index(U_I u){cout<<"排序后的相似性及索引位置如下："<<endl;for(int i=0;i<u.Getno();++i)     {         cout<<arr[i].sim<<":"<<arr[i].index<<endl;     }  }void U_I::Get_score(U_I u){double s=0,ss=0;for(int i=0;i<K;++i)  {  s+=arr[i].sim*a[arr[i].index+u.GetR()*u.GetM()];  ss+=arr[i].sim;  }  cout<<"评分为："<<s/ss<<endl;}int main(){int c;  double simi;// U_I arr[10];U_I u;u.Init_a();u.Init_arr();u.Getarr();for(int i=0;i<u.GetM();++i){c=u.C_(i);if(c!=-1){u.Setno(u.Getno()+1);;simi=u.Sim(u.Sim_fengzi(c),u.Sim_fengmu(c));arr[i].Setsim(simi);arr[i].Getsim();arr[i].Setindex(c);arr[i].Getindex();// cout<<"sim:"<<u.sim<<" index:"<<u.index<<endl;}}sort(arr,arr+u.Getno()+1,cmp);u.Get_sim_index(u);/*cout<<"排序后的相似性及索引位置如下："<<endl; for(int i=0;i<no;++i)  {  cout<<arr[i].Getsim()<<":"<<arr[i].Getindex()<<endl;  } */u.Get_score(u);return 0; return 0;}

0 0