JavaWeb_(视频网站)_七、推荐模块1
推荐算法
基于内容的推荐算法
基于概率论,用户喜欢一个视频概率和不喜欢一个视频概率,工具类RecommendByContentUtils.java
package com.Gary.betobe.recommend; import java.util.Set; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Component; import com.Gary.betobe.domain.Tag; import com.Gary.betobe.domain.User; import com.Gary.betobe.domain.Video; import com.Gary.betobe.service.TagService; import com.Gary.betobe.service.UserService; @Component public class RecommendByContentUtils { @Autowired private TagService tagService; @Autowired private UserService userService; //喜欢 // 用户喜欢一个视频的概率 public Double PUserLikeVideo(String userId) { //用户喜欢视频个数/(用户喜欢视频个数+用户不喜欢视频个数)(视频的总个数) //拿到用户 User user = userService.findUserById(userId); int likeVideo = user.getAgreeVideos().size(); int dislikeVideo = user.getDisagreeVideos().size(); if(likeVideo+dislikeVideo == 0 || likeVideo == 0) { return 0.5D; } else { return 1.0 * likeVideo / (likeVideo + dislikeVideo); } } // 获得用户喜欢一个标签的概率 p(Gary|喜欢) public Double PUserTargetLike(String userId,String target) { //套公式 Double answer = 1.0*((CountTermsUserLike(userId,target)) + 1) /(AllTermsUserLikeCount(userId) + getAllTagsCount()); //answer = 1.0*(CountTerms+1)/AllTerms + |V| return answer; } //|V| private Long getAllTagsCount() { //select count(*) from tag Long size = (long) tagService.findAllTag().size(); return size; } // AllTerms返回这c类文档中所有的词数量, private Long AllTermsUserLikeCount(String userId) { return userLikeDocsCount(userId); } // CountTerms返回词i在c类文档中出现的次数 private Long CountTermsUserLike(String userId, String target) { return targetInLikeDocsCount(userId,target); } //返回改用户喜欢的文档中所有的词的数量(标签) public Long userLikeDocsCount(String userId) { Long target = 0L; //用户->喜欢的视频->标签 //拿到用户 User user = userService.findUserById(userId); //拿到用户下面的所有喜欢的视频 Set<Video> videos = user.getAgreeVideos(); //遍历视频 for(Video video : videos) { Set<Tag> tags = video.getVideoTags(); //重复的也要计算 for(Tag tag :tags) { target++; } } return target; } // 返回该字符串在用户喜欢的文档中出现的次数 public Long targetInLikeDocsCount(String userId, String target) { Long count = 0L; //拿到用户 User user = userService.findUserById(userId); // 拿到用户喜欢的视频的集合 Set<Video> videos = user.getAgreeVideos(); // 遍历集合,拿到用户喜欢的视频中所有的标签 for(Video video:videos) { Set<Tag> tags = video.getVideoTags(); // 如果标签中的tag和传入的target相同,计数器++ for(Tag tag : tags) { if(tag.getTag().toUpperCase().equals(target.toUpperCase())) { count++; continue; } } } return count; } //不喜欢 //用户不喜欢一个标签的概率P(Gary|不喜欢) public Double PUserTargetDislike(String userId,String target) { Double answer = 1.0* (CountTermsUserDislike(userId,target) + 1) /(AllTermsUserDislikeCount(userId) + getAllTagsCount()); //answer = 1.0*(CountTerms+1)/AllTerms + |V| return answer; } // AllTerms返回这c类文档中所有的词数量, public Long AllTermsUserDislikeCount(String userId) { // 不喜欢的文档中所有的词数量 return userDislikeDocsCount(userId); } // CountTerms返回词i在c类文档中出现的次数 public Long CountTermsUserDislike(String userId,String target) { // target在不喜欢的文档中出现的次数 return targetInDislikeDocsCount(userId,target); } // 返回该字符串target在用户不喜欢的文档中出现的次数 public Long targetInDislikeDocsCount(String userId, String target) { Long count = 0L; // 拿到用户 User user = userService.findUserById(userId); // 拿到用户不喜欢的视频的集合 Set<Video> videos = user.getDisagreeVideos(); // 遍历集合,拿到用户不喜欢的视频中所有的标签 for(Video video : videos) { Set<Tag> tags = video.getVideoTags(); // 遍历所有标签 for(Tag tag : tags) { // 如果标签中的tag和传入的target相同,计数器++ if(tag.getTag().toUpperCase().equals(target.toUpperCase())) { count++; continue; } } } return count; } // 不喜欢的文档中所有的词数量 public Long userDislikeDocsCount(String userId) { Long target = 0L; // 拿到用户 User user = userService.findUserById(userId); // 拿到用户下面的所有不喜欢的视频 Set<Video> videos = user.getDisagreeVideos(); // 遍历视频 for(Video video : videos) { Set<Tag> tags = video.getVideoTags(); // 遍历视频下的标签 for(Tag tag:tags) { target++; } } return target; } }
RecommendByContentUtils.java
版权声明:本文为1138720556Gary原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。