推荐系统的基本架构：

实时推荐和离线推荐

源码：github

注：以下所有数据之间都是以 \t 隔开的，博客里显示效果不好

数据集：

1 101 5
1 102 3
1 103 3
2 101 2
2 102 3
2 103 5
2 104 2
3 101 2
3 104 4
3 105 5
3 107 5
4 101 5
4 103 3
4 104 4
4 106 4
5 101 4
5 102 3
5 103 2
5 104 4
5 105 3
5 106 4
6 102 4
6 103 2
6 105 3
6 107 4

思路：

1.第一个mapreduce：构建用户评分矩阵

输出结果：

2.第二个mapreduce：构建同现矩阵

输出结果：

101:101 5
101:102 3
101:103 4
101:104 4
101:105 2
101:106 2
101:107 1
102:101 3
102:102 4
102:103 4
102:104 2
102:105 2
102:106 1
102:107 1
103:101 4
103:102 4
103:103 5
103:104 3
103:105 2
103:106 2
103:107 1
104:101 4
104:102 2
104:103 3
104:104 4
104:105 2
104:106 2
104:107 1
105:101 2
105:102 2
105:103 2
105:104 2
105:105 3
105:106 1
105:107 2
106:101 2
106:102 1
106:103 2
106:104 2
106:105 1
106:106 2
107:101 1
107:102 1
107:103 1
107:104 1
107:105 2
107:107 2

3.第三个mapreduce：推荐结果=同现矩阵*评分矩阵

用户u对物品j的喜爱程度=u对物品i的评分*j、i的相似度，累加求和。

 

R=4*5+4*3+5*3+3*0+2*0+2*0+1*0=47

输出结果：

6 10130
1 101 46 已购买
5 101 67 已购买
3 101 41 已购买
2 101 47 已购买
4 101 61 已购买
6 102 34 已购买
1 102 39 已购买
5 102 50 已购买
3 102 29
2 102 42 已购买
4 102 39
6 103 36 已购买
1 103 47 已购买
5 103 64 已购买
3 103 35
2 103 51 已购买
4 103 55 已购买
6 104 24
1 104 35
5 104 58 已购买
3 104 39 已购买
2 104 37 已购买
4 104 53 已购买
6 105 29 已购买
1 105 22
5 105 39 已购买
3 105 37 已购买
2 105 24
4 105 28
6 106 11
1 106 19
5 106 34 已购买
3 106 17
2 106 21
4 106 32 已购买
6 107 20 已购买
1 107 11
5 107 19
3 107 26 已购买
2 107 12
4 107 12

4.将推荐结果排序

通过自定义输入类型，按照用户id升序，分数降序排列

输出结果:

对比上一篇的数据，对比用户1，推荐10条

不过mapreduce计算更为准确！

欢迎指正！

mapreduce实现ItemCF——基于物品的协同过滤相关推荐

1. [推荐算法]ItemCF,基于物品的协同过滤算法

    [推荐算法]ItemCF,基于物品的协同过滤算法 标签: ItemCF基于用户的协同过滤算法 2015-03-09 15:11 4144人阅读 评论(1) 收藏 举报 本文章已收录于: 分类: ...

2. ItemCF,基于物品的协同过滤算法

   转载自   ItemCF,基于物品的协同过滤算法 ItemCF:Item Collaboration Filter,基于物品的协同过滤 算法核心思想:给用户推荐那些和他们之前喜欢的物品相似的物品. 比 ...

3. 基于物品的协同过滤ItemCF的mapreduce实现

   文章的UML图比较好看..... 原文链接:www.cnblogs.com/anny-1980/articles/3519555.html 基于物品的协同过滤ItemCF 数据集字段: 1．  Use ...

4. Mahout分步式程序开发 基于物品的协同过滤ItemCF

   Hadoop家族系列文章,主要介绍Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, ...

5. 推荐算法 itemcf java_推荐系统之基于物品的协同过滤算法（ItemCF）

   推荐系统之基于物品的协同过滤算法(ItemCF) 发布时间:2018-03-04 16:55, 浏览次数:1778 , 标签: ItemCF 推荐系统之基于物品的协同过滤算法(ItemCF) 前端时间 ...

6. 推荐系统实践(二)----基于物品的协同过滤算法(ItemCF)

     上一篇博客我简单讲了一下基于用户的协同过滤算法,这里我们一起来学习一下另一种:基于物品的协同过滤算法.基于物品的协同过滤算法是目前业界应用最多的算法,亚马逊.Netflix.Hulu.YouTub ...

7. 基于物品的协同过滤算法ItemCF

   基于物品的协同过滤算法ItemCF 基于item的协同过滤,通过用户对不同item的评分来评测item之间的相似性,基于item之间的相似性做出推荐.简单来讲就是:给用户推荐和他之前喜欢的物品相似的物 ...

8. Hadoop案例之基于物品的协同过滤算法ItemCF

   Hadoop案例之基于物品的协同过滤算法ItemCF 转载自:http://blog.csdn.net/qq1010885678/article/details/50751607?locationNu ...

9. 使用Spark DataFrame实现基于物品的协同过滤算法(ItemCF)

   简书不支持Markdown Math语法,请移步https://glassywing.github.io/2018/04/10/spark-itemcf/ 简介 当前spark支持的协同过滤算法只有A ...

最新文章

1. 生物识别包含人脸识别门禁之外还包含哪种识别种类
2. Symfony3实现刷新登录时间
3. bind9 配置说明
4. 通俗解释协方差与相关系数
5. php nginx日志分析,如何通过NGINX的log日志来分析网站的访问情况，试试这些命令...
6. ubuntu 绑定网卡
7. Java实现文件复制
8. 技术改变生活，统一通信走向深度融合
9. android dialog动画_Android超级酷炫实用的UI框架
10. 我需要具备的知识和能力总结
11. 解题报告 poj 1087
12. 【转】20个Java 代码生成器
13. spf打包解包_SPF’校园管理项目实训-1
14. 算法设计与分析 第一章 基础知识作业1
15. python多线程爬取qq好友空间的留言
16. Arctime——可视化字幕编辑器，解放你的双手
17. 刷题时遇到的经典解法（实时更新）
18. unable to find valid certification path to requested target的异常解决办法
19. MySql数据的完整性
20. ckplayer播放线上视频问题

热门文章

1. MOOC《Python网络爬虫和信息提取》（第11次）网络爬虫之框架（第4周）
2. 天蓝-skyblue迁移到博客园
3. Linux IGMP SNOOPING 学习笔记 之三 igmp snooping实现需求分析
4. PBX、FXO、FXS等通信相关知识
5. C++数据结构之单链表（henu.hjy）
6. 声纳---2篇SMC 一篇Trans Cybernitics --河海大学 --- 霍冠英
7. 电子标签的制作及封装 射频标签通信协议简介 射频标签内存信息的写入方式
8. 使用javax.imageio.ImageIO读取JPEG图片时出现异常java.awt.color.CMMException: General CMM error517
9. 【深度学习】详解Faster-R-CNN
10. 驾考科目一：道路交通安全法律、法规和规章