# CF-project
基于协同过滤算法的项目（未完成）
该项目在之前的纷享app项目的基础之前上进行改进，去除文章部分模块，添加推荐模块
该算法分别使用基于用户、基于物品两种方式进行实现（现只展示两种方法的工具类）
# 推荐模块：
数据库方面
* 添加用户行为表：用于记录用户对商品的商品的点击、是否收藏、分享次数等，用于计算用户相似度、物品相似度
* 添加用户相似度表：用于记录已经计算好的用户相似度，以提升系统性能
* 添加物品相似度表：用于记录已经计算好的物品相似度，以提升系统性能
后台代码实现
`基于用户的协同过滤`
* 使用Map数据结构，将用户与其对应的行为数据构造成矩阵，进行相似度计算（相似度计算为余弦相似度公式）
* 设向量 A = (A1,A2,A3,...,An), B = (B1,B2,B3,...,Bn)，推广到多维，公式为：
其中的 A1,A2,A3...就可以理解为该用户对不同的商品的点击量。（这里将使用数据归一化，将其转化为五分值，好进行比较）
`基于物品的协同过滤`
* 基于物品的协同过滤算法,主要是根据这个公式
这里N(u)表示用户u喜欢的物品列表，S(j,k)表示和物品j最为相似的k个物品，Wji表示物品j和物品i的相似度,rui表示用户u对物品i的喜欢程度所以,只要得到Wji和rui就可以得到推荐列表
* 物品的相似矩阵,这里采用的公式是
其中分母 |N(i)| 是喜欢物品 i 的用户数，分母 |N(j)| 是喜欢物品 j的用户数,而分子 |N(i) ∩N(j)| 是同时喜欢物品 i 和物品 j 的用户数
a代表权重,这里取a=0.5
