对协同过滤算法的原理进行介绍，有助于对算法进行理解

主要介绍了Java编程实现基于用户的协同过滤推荐算法代码示例，具有一定参考价值，需要的朋友可以了解下。

近几年中国在淘宝、京东、天猫等巨头电商公司带动下迅猛发展,电商在中国显示出了强大的生命力,每家电商公司的商品更是以指数级的数量增长,可是在商品增长的同时,也无形中增加了用户寻找商品的困难程度。这个问题在小型智能移动终端尤其明显,用户在小型智能移动终端浏览大量的商品不仅会占用客户的时间还会消耗大量的流量,这种欠佳的浏览体验是导致用户转移购物平台的一个主要因素。本文设计并实现基于“用户画像”的商品推送系统正是在上述问题的基础之上立项的,将用户画像与主动推送相结合,避免了用户在海量商品中苦苦寻求自己感兴趣的商品,不仅解决了商品过载的问题而且实现了对用户的精准营销。主要研究内容如下:首先介绍了基于“用户画像”的商品推送系统的立题意义以及相关的理论基础,对国内外推送系统的发展状况进行了深入调研,详细的阐述了所需要使用的技术。其次对基于“用户画像”的商品推送系统从需求、设计和实现的三个方面进行详细的说明,本系统主要构成为以下两个部分:(1)用户画像系统,首先以用户的个人历史行为为基础,通过评分矩阵模型构建用户兴趣模型,然后基于标签规则将用户兴趣模型转换为用户标签模型,用户画像系统则是以用户标签模型为基础生成的,并通过Echarts图表将用户画像进行展示。与传统推送系统相比,本系统将用户置于最重要的部分,对每个用户都实现精准营销。(2)商品个性化推送平台,调用本接口可以返回商品列表,返回的商品列表是在用户兴趣模型的基础上混合多种规则并加以过滤得到的最符合用户偏好的推送商品集合,以接口的形式给不同类型的小型智能移动终端提供数据。本接口应用Thrift框架编写,通过该框架进行系统之间的交互具有高性能、低延迟、支持同步和异步通信等优点。最后,为推送效果提供测试方案,商品推送系统的参数调优通过NDCG算法,NDCG表示归一化折损累积增益,该算法是当下比较流行的推荐系统评测指标之一,通过用户对推送商品的操作行为量化出用户对商品列表的满意程度,根据用户满意度进而对系统参数进行调整

该资源是在Eclipse平台里，使用Mahout库的API，实现基于用户的协同过滤算法，从而进行商品推荐。 软件环境是：win7 64位 +Eclipse4.4 + jdk1.6， 用到了7个.jar包， 分别为：commons-logging-1.2.jar， commons-math3-3.5.jar，guava-18.0.jar，mahout-core-0.9.jar， mahout-math-0.9.jar，slf4j-api-1.6.1.jar，slf4j-jcl-1.6.1.jar。

该算法是个性化推荐算法中基于用的协同过滤算法，主要是将相似用户的兴趣项目推荐给目标用户，算法中包括相似度判断（余弦相似度算法实现）、随机数的产生等实用算法。该算法是以VS 2010为开发平台，采用C#为后台语言开发的。

为进一步提高电能利用效率，促进电力资源优化配置，保障用电秩序，降低用电成本，本文基于用户行为模式的电力需求响应建模与实现，通过掌握居民用户行为模式以及各种激励模型，梳理重要客户的用能特征规律，建立用户行为模式的电力需求响应模型，实现负荷与电网双向互动，切实提高需求侧互动能力和管理水平。

系统功能模块划分和说明 一、用户登陆注册模块 二、音乐分类管理 三、音乐管理 四、音乐收藏管理 五、角色管理 六、系统管理 七、个人信息管理 八、推荐模块 协同过滤推荐算法 协同过滤常常被用于分辨某位特定顾客可能感兴趣的东西，这些结论来自于对其他相似顾客对哪些产品感兴趣的分析。协同过滤以其出色的速度和健壮性，在全球互联网领域炙手可热。 协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用 户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。 与传统文本过滤相比，协同过滤有下列优点: （1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐; （2）能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤; （3）推荐的新颖性。 正因为如此，协同过滤在商业应用上也取得了不错的成绩。Amazon，CDNow，MovieFinder，都采用了协同过滤的技术来提高服务质量。 缺点是: （1）用户对商品的评价非常稀疏，这样基于用户的评价所得到的用户间的相似性可能不准确（即稀疏性问题）; （2）随着用户和商品的增多，系统的性能会越来越低; （3）如果从来没有用户对某一商品加以评价，则这个商品就不可能被推荐（即最初评价问题）。 因此，现在的电子商务推荐系统都采用了几种技术相结合的推荐技术。

基于用户的协同过滤算法的电影推荐（稀疏矩阵）含代码和Netflix数据（800万+条，分测试集和数据集），博客中有讲解

基于用户的协同过滤算法音乐推荐系统

为了提高大数据文件的存取效率，满足各类用户的需求，通常采用对该文件进行分块、冗余副本等机制进行存储，关于设置块大小、副本个数和块部署等存储机制的研究一直是该领域研究重点．根据用户对内容块兴趣需求，我们定义了数据块的热度并提出了一种满足用户需求的存储数据块的最小服务成本策略（ＭＣＳＢ）．在成本矩阵的基础上，通过引入与数据块热度相关的成本矩阵调整因子，使得热度较低的数据块被优先部署，实现了在不改变存储数据块的最小服务总成本的情况下，内容存取服务性能的提高．基于该策略，以Ｈａｄｏｏｐ中的缺省数据块存储策略为控制组，通过在ＨＤＦＳ系统中实现ＭＣＳＢ，并对ＭＣＳＢ进行了较为详细的分析．实验结果显示ＭＣＳＢ策略能够在满足最小服务成本的情况下，具有更短的系统平均响应时间．进一步考虑到数据存储节点由服务器集群承担的事实，对基于不同负载下的数据存储策略进行了深入探讨，在分析现有机制对性能影响的基础上，给出了一种自适应的数据节点内的存储数据块的最小服务成本策略ＡＭＣＳＢ，实验表明，本文所提出的ＡＭＣＳＢ策略能够在降低服务成本的同时，有利于系统的负载均衡，并提高该系统的服务性能．