淘宝穿衣搭配算法_方案三

ReplaceItem1.java将原先的matchsets中的产品替换为它的分词结果，分词结果以空格隔开，产品与产品间用逗号隔开，输出结果ToTerms1.txt。为了之后比较每个产品与预测产品的相似度，排除方案二中出现多可替代产品，而造成该搭配的相似度虚高的情况（比只有一种产品，但是它们分词重合的面比较广）
CommonCount1.java将预测产品的分词结果和每行都算相似度（分词重合的个数除以预测产品的分词个数）将一行产品的相似度最高值保存为该行的相似度值，然后根据相似度降序排序.
将大于相似度大于0.8的前100条搭配套餐的行号记录下来（输出文件：line_0.8）
将大于相似度大于0.6的前100条搭配套餐的行号记录下来。（输出文件：line_0.6）
将大于相似度大于0.6的前100条搭配套餐的行号记录下来。如果该行最高的相似度达不到0.6，那只取第一条（输出文件：line0.6_100）
将大于相似度大于0.6的前10条搭配套餐的行号记录下来。如果该行最高的相似度达不到0.6，那只取第一条（输出文件：line0.6_10）
将line0.6_10中补上line_0.8中出现不止10条的记录（输出文件：line0.6_10_0.8）

SelectTop200_1.java根据行号找到相应的搭配套餐，剔除同类产品，将其搭配产品输出到文件（final_example.txt），
ReplaceItem2.java将final_example中的每个产品的id替换为其分词结果（分词结果用空格隔开，产品用逗号隔开），(输出结果：ExampleToTerms.txt)
然后对每行的每个分词结果去到产品库中找出最相似的产品，（可以先排序，可以设定阈值>0.8），每行的都要去产品库匹配，然后所有匹配商品都要放在一行，用逗号隔开
关于推荐个数选取问题：首先对于每个产品都有相似的产品，必须按相似度排序，map：id->commoncount/count-foreitem(也可以用两个数组存)，如果推荐example为1个，那必须要推荐200条，不管第200条与之相似度到底有多低，如果推荐example为n个，第一个推荐200*(2*i)/(n+n*n) i由n到1，也不管相似度的大小了，根据原先的相似度配比，选择个数
CommonCount2.java统计各推荐组合中的某个商品与预测商品的相似度（最高相似度）输出结果：simila.txt
CommonCount3.java统计各推荐组合中第几个是该组合中与预测商品相似度最高的商品，输出（simila_place.txt）与simila.txt相对应（之后要将该商品与其可替代商品剔除）1表示b[1],即该行第二个产品
Match_ToTerm.java将match里的东西都变成分词结果，分词空格隔开，产品间可替代还是用逗号，搭配用；隔开，输出文件ToTerms2.txt
MatchDeleteLine.txt，输出文件ToTerms3.txt，将dim_fashion_matches.txt中第一列删除。
SelectTop200_2.java输出文件final_example1.txt，排除原先因为相似度很像，而cat不同而没有排除的商品，即找到该搭配组合中一个商品跟被预测商品很像，但是它们的cat不同
SelectTop200_3.java 输出文件final_example1.simila.txt,是final_example1.txt对应产品的相似度。
ReplaceItem2.java将final_example1.txt中的每个产品的id替换为其分词结果（分词结果用空格隔开，产品用逗号隔开），(输出结果：ExampleToTerms1.txt)
将final_example1.txt中的产品与dim_items.txt中产品做相似度排序，取（200*0.6/(0.6+0.6)条）final_example1_simila.txt中的是final_example1.txt中对应位置的相似度
ChoseFirst.java（输出结果ExampleToTerms2.txt）将ExampleToTerms1.txt中的第一个分词结果提取出来，因为后期看到两个类似的推荐搭配，产品库中与它们相似的一些产品可能有很大一部分重复，由于这部分先前写的排序算法效果不佳，后期可以在各种搭配的推荐商品都可以尝试地推荐一部分类似的
ForeResult.java（输出：Result2.txt）将ExampleToTerms2.txt中到产品库匹配最相似的200条
RemoveEnd.java(输出：Result4.txt)将Result2.txt最后的分号摘掉
ToFinal2.java 格式转换Result4.txt ->final4.txt