大数据的基于hadoop图书推荐系统实验报告

# Book-recommendation-system #### 介绍 基于hadoop图书推荐系统 #### 软件架构 软件架构 hadoop springboor 大数据代码分析 数据集解析 每行3个字段，依次是用户ID,商品ID,用户对商品的评分(0-5分，每0.5为一个评分点！) 推荐算法分类： 按数据使用划分： 协同过滤算法：UserCF, ItemCF, ModelCF 基于内容的推荐: 用户内容属性和物品内容属性 社会化过滤：基于用户的社会网络关系 按模型划分： 最近邻模型:基于距离的协同过滤算法 Latent Factor Mode(SVD)：基于矩阵分解的模型 Graph：图模型，社会网络图模型 基于用户的协同过滤算法UserCF 基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用户之间的相似性做出推荐。简单来讲就是：给用户推荐和他兴趣相似的其他用户喜欢的物品。 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品。 hadoop模块介绍 Recommend.java，主任务启动程序 Step1.java，按用户分组，计算所有物品出现的组合列表，得到用户对物品的评分矩阵 Step2.java，对物品组合列表进行计数，建立物品的同现矩阵 Step2.java，对物品组合列表进行计数，建立物品的同现矩阵 Step3.java，合并同现矩阵和评分矩阵 Step4.java，计算推荐结果列表 HdfsDAO.java，HDFS操作工具类 这样我们就自己编程实现了MapReduce化基于物品的协同过滤算法。 接口实现 1、 //2020年推荐榜单 展示 http://localhost:8080/api/ListRecommend List 数据 {"bookId":131490,"userId":null,"score":3.7,"title":"空间的敦煌：走近莫高窟","titleUrl":"https://book.douban.com/subject/35694442/","images":"https://img9.doubanio.com/view/subject/s/public/s34079984.jpg"} 2 、、 添加书籍 请求：Post url: http://localhost:8080/api/savedBook { "title":"黑道", //书籍名 "titleUrl":"", //书籍地址 "images":"http://images", //书籍图片 } //新书推荐 请求 Get http://localhost:8080/api/NewBookRecommend { "id": 108407, "title": "中世纪之美", "titleUrl": "https://book.douban.com/subject/35431246/", "images": "https://img9.doubanio.com/view/subject/s/public/s33927714.jpg", "favorite": 0, "score": null }