[推荐算法]基于JACCARD推荐（0,1推荐）

基于JACCARD推荐（0,1推荐）

---

1、什么是jaccard？

    杰卡德相似系数(Jaccard similarity coefficient)，也称杰卡德指数(Jaccard Index)，是用来衡量两个集合相似度的一种指标。Jaccard相似指数用来度量两个集合之间的相似性，它被定义为两个集合交集的元素个数除以并集的元素个数。

    在我们项目中对于新闻的推荐，每个用户对新闻的浏览可以看做是一个集合。这样就可以使用jaccard算法实现用户之间的相似度计算；

    公式如下：  

      

给定两个n维二元向量A、B，A、B的每一维都只能是0或者1，利用Jaccard相似系数来计算二者的相似性：

1）  代表向量A与向量B都是0的维度个数；

2）  代表向量A是0而向量B是1的维度个数；

3）  代表向量A是1而向量B是0的维度个数；

4 )     代表向量A和向量B都是1的维度个数。

n维向量的每一维都会落入这4类中的某一类，因此：（目前我们的推荐只涉及到二维）

则Jaccard相似系数为：

   在二维里面其实就是 AB的一个交集数量/整体元素数量；

  

---

---

2、jaccard举例？

    比如我们的用户对新闻的一个浏览数据如下：

   

ABCD 代表的四个用户 ；1,2,3,4 代表的是四个新闻；1代表看过该新闻，0代表没有看过该新闻；下面简单计算一下相似度：

用户A 和 用户B 的相似度计算：  M11 就是1   M01+M10+M11 = 4  所以J（A,B） = 1/4 = 25%

用户A 和 用户C 的相似度计算：  M11 就是3   M01+M10+M11 = 4  所以J（A,B） = 3/4 = 75%

用户A 和 用户D 的相似度计算：  M11 就是2   M01+M10+M11 = 4  所以J（A,B） = 2/4 = 50%

由此可见A跟用户的相似度排名从高到低就是   C D B ；

---

时间复杂度分析

1. 假设数据已经存在 A[n][m]  二维数组 n代表用户 m代表商品    nm的值就是某个用户是否看过某个商品  值用0,1 标示。0没看过，1看过。

2.使用jaccard算法比较每个用户 循环 A[n][m] ，依次比较从0到n的用户 ； 形成数组B[n1][n2]  存放的数据代表每个用户n1和用户n2的相似度；  

for (int i = 0; i < USERCOUNT; i++) {

      for (int j = 0; j < USERCOUNT; j++) {

           if (i == j) {//自己跟自己的相似度 1 

               similarityMatrix[i][j] = 1;

       }else {

                similarityMatrix[i][j] = computeSimilarity(preference[i], preference[j]);

       }            

}            

时间复杂度为O2

3.进行评分预测

A 遍历用户  for  

        

              B1相似度排序（array）    

           for (int j = 0; j < temp.length; j++) {

                temp[j] = similarity[j];

            }

           

               B2获取近邻

           for (int m = temp.length - 1; m >= temp.length - KNEIGHBOUR; m--) {

                for(int j = 0; j < similarity.length; j++) {

                    if (similarity[j] == temp[m] && similarity[j] != 0.0 && j!=i)

                        neighborSerial.add(new Integer(j));/*添加一个整型数据对象 用户id-1*/

                }    

            }  

              B3遍历商品   

                  C1遍历近邻  获取评分

时间复杂度为 O2+ O3+O3  = O2 + 2O3   最终近似为O3