推荐系统资源程序：java实现推荐系统，基于用户的推荐系统，有实验结果 可以根据此进行推荐系统的实现

package UserIF; /* * 实现UserIF算法 * * */ public class CalculateRecommend { final static int userSum=6040; final static int itemSum=3952; static double[][]matrixOut; static double[][]ItemPref; static int[][] recomMatrix; //选出与用户u兴趣最接近的K个用户 public boolean userSimSort(double[][]simMatrix,int K){ double[][]matrixIn =new double[userSum+1][userSum+1]; matrixIn=simMatrix; matrixOut =new double[userSum+1][K+1]; int arrayIndex;//记录要和用户u兴趣最接近的用户ID double max; for(int u=1;u<=userSum;++u){ for(int j=K-1;j>=0;--j){ arrayIndex=0; max=matrixIn[u][1]; for(int v=1;v<=userSum;++v){ if(max<matrixIn[u][v]){ max=matrixIn[u][v]; if(v==userSum)break; arrayIndex=v; } } matrixOut[u][K-j]=max+arrayIndex; matrixIn[u][arrayIndex]=0; //此时与用户u最相似的用户v已经被选择了，那么 //就让他们相似度为0，防止干扰用户u与下一个用户比较 } } return true; } public boolean recommend(int[][]train,double[][]simMatrix,int K){ //求用户u对物品i的兴趣度ItemPref[u][i] ItemPref =new double[userSum+1][itemSum+1]; int ID; double Wuv=0; for(int u=1;u<=userSum;++u){ for(int i=1;i<=itemSum;++i){ if(train[u][i]==0){//向用户u推荐没有过行为的物品i for(int v=1;v<=K;++v){ ID=(int)matrixOut[u][v]; if(ID==6041){System.out.println("越界"+matrixOut[u][v]);System.exit(0);} if(train[ID][i]==1){//用户u没有过行为物品i，但是用户v有行为 Wuv=matrixOut[u][v]-(double)ID; ItemPref[u][i]+=Wuv; //System.out.println(ItemPref[u][i]); //经过测试，每个结果在0.124左右或者0.247左右波动 //之所以出现好几个重复的结果是因为用户v有好几个物品是用户u没有的 } } }else{ ItemPref[u][i]=0; } } } return true; } public boolean getRecommend(int N){//获取针对用户u的推荐列表 int ID;//物品id号 double recomDegree;//某个物品对用户u的推荐度 recomMatrix=new int[userSum+1][N+1]; for(int u=1;u<=userSum;++u){ for(int k=1;k<=N;++k){ recomDegree=ItemPref[u][0]; ID=0; for(int i=1;i<=itemSum;++i){//选择排序，每次选出最大的推荐度的物品i if(recomDegree<ItemPref[u][i]){ recomDegree=ItemPref[u][i]; ID=i; } } ItemPref[u][ID]=0;//已经比较过的物品i置0，防止下轮的循环又是该物品 recomMatrix[u][k]=ID;//将第k个推荐的物品存入到推荐矩阵中 } } return true; } /* * 测试代码 public static void main(String[] args){ SplitDataToTestAndTrain S=new SplitDataToTestAndTrain(); Similarity W=new Similarity(); List<String> data=new ArrayList<String>(); data=GetDataOfMovieLens.getData();//读到原始数据集 S.splitData(data,8,3,10);//分解为测试集与训练集 W.UserSimilarity(S.train);//计算用户相似度，并且保存到simMatrix相似度矩阵中 userSimSort(Similarity.simMatrix,3); recommend(S.train,Similarity.simMatrix,3);//计算用户i对其他用户v推荐给他的物品i的兴趣度 } */ }