Java 协同过滤视频推荐算法实现详解

这段代码是一个 Java 方法，用于实现基于协同过滤的视频推荐功能。该方法需要传入一个用户 id，并返回一个包含推荐视频信息的 Map 对象。

在方法中，首先从 session 中获取登录用户信息，如果未登录则返回提示信息。然后根据传入的用户 id，从 MySQL 数据库中获取该用户对视频的评分数据，并构建一个基于该数据的协同过滤推荐模型。接着遍历该模型中的所有用户，找到与当前用户最相似的一组用户，并根据这组用户的评分数据推荐相关的视频。最后将推荐视频信息保存在 Map 对象中，返回给调用者。

代码解读：

获取用户信息：

Object obj = session.getAttribute(WebConstant.LOGIN_USER_SESSION_KEY);

if(obj == null) {
	request.setAttribute('info', '请先登录！！！');
	return 'info';
}

Integer memId =  ((Member)obj).getId();

数据库连接：

MysqlDataSource dataSource = new MysqlDataSource();
dataSource.setServerName('localhost');
dataSource.setUser('root');
dataSource.setPassword('123456');
dataSource.setPort(3396);
dataSource.setDatabaseName('my_movie');

构建推荐模型：

JDBCDataModel model = new MySQLJDBCDataModel(dataSource, 'movie_sign', 'member_id', 'movie_id', 'grade','create_time');

UserSimilarity user = new EuclideanDistanceSimilarity(model);

NearestNUserNeighborhood neighbor = new NearestNUserNeighborhood(NEIGHBORHOOD_NUM, user, model);
Recommender r = new GenericUserBasedRecommender(model, neighbor, user);

获取用户评分数据：

LongPrimitiveIterator iter = model.getUserIDs();

while (iter.hasNext()) {
	long uid = iter.nextLong();

	if(uid == memId) {
		List<Map> signlist=dataMapperUtil.QueryList('movie_sign','*','member_id='' + memId + ''');
		String ids='';
		for (int i = 0; i < signlist.size(); i++) {
			ids=ids+'''+signlist.get(i).get('movie_id')+''',';
		}
		ids=ids.substring(0,ids.length()-1);
		System.out.println('ids==》' + ids);
		List<Map> typegroup=dataMapperUtil.QueryList('movie','*','id in (' + ids + ') group by typeId');
		System.out.println('select * from movie where id in (' + ids + ') group by typeId');
		for (int i = 0; i < typegroup.size(); i++) {
			List<Map> movielist=dataMapperUtil.QueryList('movie','*','typeId='' + typegroup.get(i).get('typeId') + ''');
			System.out.println('长度==>' + movielist.size());
			System.out.println('select * from movie where typeId='' + typegroup.get(i).get('typeId') + ''');
			Movie book=null;
			for (int j = 0; j <movielist.size() ; j++) {
				book=new Movie();
				book.setId(Integer.parseInt(movielist.get(j).get('id')+''));
				book.setTitle(movielist.get(j).get('title')+'');
				book.setTypeId(Integer.parseInt(movielist.get(j).get('typeId')+''));
				book.setImgUrl(movielist.get(j).get('imgUrl')+'');
				book.setMusicTitle(movielist.get(j).get('musicTitle')+'') ;
				book.setMovieFileUrl(movielist.get(j).get('movieFileUrl')+'') ;
				book.setMusicFileUrl(movielist.get(j).get('musicFileUrl')+'');
				book.setPersonalProfile(movielist.get(j).get('personalProfile')+'') ;

				books.add(book);

			}
		}
	}
}

返回推荐结果：

System.out.println('数据==>' + books);
map.put('pas', books);
return 'recom';

这段代码通过使用 Apache Mahout 库中的协同过滤算法，实现了基于用户评分数据的视频推荐功能。该算法首先根据用户对视频的评分数据构建一个推荐模型，然后找到与当前用户最相似的用户，并根据这些用户的评分数据推荐相关的视频。最终将推荐结果保存在 Map 对象中，返回给调用者。