基于用户的协同过滤算法(Java实现或R语言实现

　　协同过滤的步骤是：
　　创建数据模型 —> 用户相似度算法 —>用户近邻算法 —>推荐算法。
　　基于用户的协同过滤算法在Mahout库中已经模块化了，通过4个模块进行统一的方法调用。首先，创建数据模型(DataModel)，然后定义用户的相似度算法(UserSimilarity)，接下来定义用户近邻算法(UserNeighborhood )，最后调用推荐算法(Recommender)完成计算过程。而基于物品的协同过滤算法(ItemCF)过程也是类似的，去掉第三步计算用户的近邻算法就行了。

　　软件环境：Win7 64位 + Eclipse4.4 +jdk1.6
　　使用Java语言，借用Mahout库里的API，实现基于用户的协同过滤算法，从而进行商品推荐。
　　1.数据集
　　//testCF.csv　　

1,101,5.01,102,3.01,103,2.52,101,2.02,102,2.52,103,5.02,104,2.03,101,2.53,104,4.03,105,4.53,107,5.04,101,5.04,103,3.04,104,4.54,106,4.05,101,4.05,102,3.05,103,2.05,104,4.05,105,3.55,106,4.0 

　　该testCF.csv数据集中，第一列为用户号UserID，第二列为商品号ItemID，第三列为评分Preference Value.
　　2.借用Java里Mahout库，实现协同过滤算法。
　　//UserBased.java　　

package com.xie;import org.apache.mahout.cf.taste.common.TasteException;import org.apache.mahout.cf.taste.impl.common.LongPrimitiveIterator;import org.apache.mahout.cf.taste.impl.model.file.*;  import org.apache.mahout.cf.taste.impl.neighborhood.*;  import org.apache.mahout.cf.taste.impl.recommender.*;  import org.apache.mahout.cf.taste.impl.similarity.*;  import org.apache.mahout.cf.taste.model.*;   import org.apache.mahout.cf.taste.recommender.*;  import org.apache.mahout.cf.taste.similarity.*;  import java.io.*;  import java.util.*;  public class UserBased {    final static int NEIGHBORHOOD_NUM = 2;    final static int RECOMMENDER_NUM = 3;    public static void main(String[] args) throws IOException, TasteException {        String file = "src/data/testCF.csv";        DataModel model = new FileDataModel(new File(file));        UserSimilarity user = new EuclideanDistanceSimilarity(model);        NearestNUserNeighborhood neighbor = new NearestNUserNeighborhood(NEIGHBORHOOD_NUM, user, model);        Recommender r = new GenericUserBasedRecommender(model, neighbor, user);        LongPrimitiveIterator iter = model.getUserIDs();        while (iter.hasNext()) {            long uid = iter.nextLong();            List<RecommendedItem> list = r.recommend(uid, RECOMMENDER_NUM);            System.out.printf("uid:%s", uid);            for (RecommendedItem ritem : list) {                System.out.printf("(%s,%f)", ritem.getItemID(), ritem.getValue());            }            System.out.println();        }    }} 

　　效果如下：

图(1) 协同过滤，从而进行商品推荐
　　结果说明：
　　对于uid=1的用户，给他推荐计算得分最高的2个物品，104和106。
　　对于uid=2的用户，给他推荐计算得分最高的1个物品，105。
　　对于uid=3的用户，给他推荐计算得分最高的2个物品，103和102。
　　对于uid=4的用户，给他推荐计算得分最高的1个物品，102。
　　对于uid=5的用户，没有推荐。
　　用Java实现协同过滤的工程代码:
　　http://download.csdn.net/detail/sanqima/9374529
　　
　　方法二：用R语言实现协同过滤算法
　　软件环境：win7 64位 + RStudio 0.99 + R3.2.3
　　//mahout1.R　　

# part1 -------------------------------------------------------------------##加载arules包library(arules)##建立模型矩阵FileDataModel <- function(file){    ##读取CSV文件到内存    data <- read.csv(file,header = FALSE)      ##增加列名    names(data) <- c("uid","iid","pref")    ##计算用户数    user <- unique(data$uid)    ##计算产品数    item <- unique(sort(data$iid))    uidx <- match(data$uid, user)    iidx <- match(data$iid, item)    ##定义存储矩阵    M <- matrix(0, length(user),length(item))    i <- cbind(uidx, iidx, pref=data$pref)    ##给矩阵赋值    for(n in 1:nrow(i)){        M[i[n,][1], i[n,][2]] <- i[n,][3]    }    dimnames(M)[[2]] <- item    ##返回矩阵值    M}# part2 -------------------------------------------------------------------##欧式距离相似度算法EuclideanDistanceSimilarity <- function(M){    row <- nrow(M)    ##相似度矩阵    s <- matrix(0,row,row)    for(z1 in 1:row){        for(z2 in 1:row){            if(z1 < z2){               ##可计算的列               num <- intersect(which(M[z1,]!=0),which(M[z2,]!=0))               sum <- 0               for(z3 in num){                  sum <- sum+(M[z1,][z3] - M[z2,][z3])^2               }               s[z2,z1] <- length(num)/(1+sqrt(sum))               ##对算法的阈值进行限制               if(s[z2,z1] > 1) s[z2,z1] <- 1               if(s[z2,z1] < -1) s[z2,z1] <- -1            }        }    }    ts <- t(s)   ##补全三角矩阵    w <- which(upper.tri(ts))    s[w] <- ts[w]    s      ##返回用户相似度矩阵}# part3 -------------------------------------------------------------------##用户近邻算法NearestNUserNeigborhood <- function(S,n){    row <- nrow(S)    neighbor <- matrix(0,row,n)    for(z1 in 1:row){        for(z2 in 1:n){            m <- which.max(S[,z1])            neighbor[z1,][z2] <- m            S[,z1][m]=0        }    }    neighbor}# part4 -------------------------------------------------------------------##推荐算法UserBasedRecommender <- function(uid,n,M,S,N){    row <- ncol(N)    col <- ncol(M)    r <- matrix(0,row,col)    N1 <- N[uid,]    for(z1 in 1:length(N1)){        num <- intersect(which(M[uid,]==0),which(M[N1[z1],]!=0))          for(z2 in num){            r[z1,z2] = M[N1[z1],z2]*S[uid,N1[z1]]        }    }    ##输出推荐矩阵    sum <- colSums(r)    s2 <- matrix(0,2,col)    for(z1 in 1:length(N1)){        num <- intersect(which(colSums(r)!=0),which(M[N1[z1],]!=0))        for(z2 in num){            s2[1,][z2] <- s2[1,][z2]+S[uid,N1[z1]]            s2[2,][z2] <- s2[2,][z2]+1        }    }    s2[,which(s2[2,]==1)]=10000    s2 <- s2[-2,]    r2 <- matrix(0,n,2)    rr <- sum/s2    item <- dimnames(M)[[2]]    for(z1 in 1:n){        w <- which.max(rr)        if(rr[w]>0.5){            r2[z1,1] <- item[which.max(rr)]            r2[z1,2] <- as.double(rr[w])            rr[w]=0        }    }    r2}# part5 -------------------------------------------------------------------##调用算法setwd("G:\\myProject\\RDoc\\Unit2\\rChap2")myFile <- "testCF.csv"NeighborHodd_num <- 2 ##取两个最大近邻Recommender_num <- 3  ##保留最多3个推荐结果myM <- FileDataModel(myFile)myS <- EuclideanDistanceSimilarity(myM)myN <- NearestNUserNeigborhood(myS,NeighborHodd_num)##对用户user= 1的推荐结果R1 <- UserBasedRecommender(1, Recommender_num,myM,myS,myN); R1##对用户user= 2的推荐结果R2 <- UserBasedRecommender(2, Recommender_num,myM,myS,myN); R2##对用户user= 3的推荐结果R3 <- UserBasedRecommender(3, Recommender_num,myM,myS,myN); R3##对用户user= 4的推荐结果R4 <- UserBasedRecommender(4, Recommender_num,myM,myS,myN); R4##对用户user= 5的推荐结果R5 <- UserBasedRecommender(5, Recommender_num,myM,myS,myN); R5

　　效果如下：

图(2)用R语言实现协同过滤算法