/GoodRecommendationManagementSystem

基于Hadoop简单商品推荐系统

Primary LanguageJava

GoodRecommendationManagementSystem

基于Hadoop简单商品推荐引擎

目的

根据不同用户之间的购买行为，向用户推荐未购买的商品

原始数据

matrix.txt:

用户id 商品id 是否购买
10001 20001 1
10001 20002 1
10001 20005 1
10001 20006 1
10001 20007 1
10002 20003 1
10002 20004 1
10002 20006 1
10003 20002 1
10003 20007 1
10004 20001 1
10004 20002 1
10004 20005 1
10004 20006 1
10005 20001 1
10006 20004 1
10006 20007 1

最终数据

写入 MySQL 数据库， exp : 推荐度

+-------+-------+------+
| uid   | gid   | exp  |
+-------+-------+------+
| 10001 | 20003 |    1 |
| 10001 | 20004 |    2 |
| 10002 | 20001 |    2 |
| 10002 | 20002 |    2 |
| 10002 | 20005 |    2 |
| 10002 | 20007 |    2 |
| 10003 | 20001 |    3 |
| 10003 | 20004 |    1 |
| 10003 | 20005 |    3 |
| 10003 | 20006 |    3 |
| 10004 | 20003 |    1 |
| 10004 | 20004 |    1 |
| 10004 | 20007 |    5 |
| 10005 | 20002 |    2 |
| 10005 | 20005 |    2 |
| 10005 | 20006 |    2 |
| 10005 | 20007 |    1 |
| 10006 | 20001 |    1 |
| 10006 | 20002 |    2 |
| 10006 | 20003 |    1 |
| 10006 | 20005 |    1 |
| 10006 | 20006 |    2 |
+-------+-------+------+

基于用户

用户购买的物品重合度高，那么用户相似度比较高。 相似度高的用户之间进行物品推荐

基于物品

物品的相似度： 物品的共现次数 物品同时被用户购买的次数，即销量接近，我们认为这些物品之间的相似度高。给用户推荐相似度高的物品

步骤

  1. 计算用户的购买列表
用户  物品1,物品2,物品3...
  1. 生成物品的共现关系
物品1  物品2
物品1  物品3
....
  1. 计算共现次数
物品 物品1:次数，物品2：次数,物品3：次数...
  1. 计算用户的购买向量 源数据：可以使第一步的结果，可以使最初的数据，结果数据
物品1  用户1:1,用户2:1
  1. 物品的共现次数矩阵×用户的购买向量=零散推荐结果
  2. 统计零散的推荐结果 ，即求和
  3. 推荐结果数据 和 原始数据进行比较， 去掉用户已经购买的商品
  4. 最终推荐结果写入 MySQL 数据库
  5. 创建作业流 ，调度 1-8