文章目录

加权推荐算法1.推荐算法的简单介绍2.加权推荐算法详细介绍3.代码实现4.总结

众所周知推荐算法有很多种例如

1.加权推荐分为简单的特征加权以及复杂的混合加权。

主要是将特征以权重进行计算总和排序出前几名的数据即最符合条件的数据推荐给用户。

2.内容基推荐这种方法基于物品的特征。

系统会分析用户过去喜欢的物品特征然后找到具有类似特征的其他物品推荐给用户。

这种方法依赖于对物品内容的深入理解比如文本、图像或音频特征。

比如我想买【华为手机】但是系统中关于华为手机的商品很少在用户继续浏览的过程中就会根据华为手机属于【手机】类的这个特征推荐其他【手机】类型的商品。

如果一个用户A喜欢某个物品那么这个系统会找到与用户A相似的其他用户B然后将B喜欢的、A还未接触的物品推荐给A。

2.加权推荐算法详细介绍

比如留学申请的过程中中有几个重要特征参数所在国家、全球QS排名、专业。

那么当我想选择{英国,前10,计算机}这样的数据时一般会怎么查呢是不是精确查询了在数据库中找到英国QS前10计算机这样的数据返回给用户。

但是在面对数据较少的时候显示给用户的数据就太少了比如我上面展示的只有2条数据符合要求。

这样就需要在精确搜索进行改进了改为【特征加权推荐】以国家、专业、QS排名三个为特征设置权重对数据库中的数据进行计算获取前10个得分最高的数据展示。

这样就可以推荐出用户也“可能”喜欢的院校了比如就推荐出了美国高校的计算机专业。

3.代码实现

org.apache.commons.lang3.builder.ToStringBuilder;

import

org.apache.commons.lang3.builder.ToStringStyle;

import

com.ride.system.common.core.domain.BaseEntity;/***

留学专业信息对象

weightedRecommendation(SysStudyAbroad

userInput,

userInput.getCountry().equals(major.getCountry())

0;double

userInput.getMajor().equals(major.getMajor())

0;double

Math.abs(Integer.parseInt(userInput.getQs())

Integer.parseInt(major.getQs()))

0;//

qsRankSimilarity;major.setScore(score);recommendations.add(major);}//

根据加权的得分进行推荐排序recommendations.sort((c1,

c2)

sysStudyAbroadMapper.selectSysStudyAbroadListAll();//设置权重值国家为0.3专业为0.5qs排名为0.2MapString,

Double

weightedRecommendation(sysStudyAbroad,

majors,

特征加权推荐算法适用于在用户条件的基础上推荐额外的内容适用于有2个特征以上的数据结构。

如有问题欢迎评论区批评指正❤️