MapReduce基于物品的协同过滤算法实现电影推荐系统

项目源码见本人上传资源文件中

##MapReduce实现电影推荐系统 ###案例分析

• 互联网某电影点评网站，主要产品包括
  • 电影介绍
  • 电影排行
  • 网友对电影打分
  • 网友影评
  • 影讯&购票
  • 用户在看|想看|看过的电影
  • 猜你喜欢（推荐）
• 利用用户对电影的打分表来给用户推荐电影，用户打分表包括以下字段
  • userID--用户ID号
  • itemID--电影ID号
  • score--评分
    

###基于物品的协同过滤算法

• 建立物品的同现矩阵
  
• 建立用户对物品的评分矩阵
  
• 矩阵计算推荐结果
  

###MapReduce实现

• 程序流程图
  
• Java类说明
  • Recommend.java--主任务启动程序
  • Step1.java--按用户分组，计算所有物品出现的组合列表，得到用户对物品的评分矩阵
  • Step2.java--对itemID组合列表进行计数，建立其同现矩阵
  • Step3.java--对同现矩阵和评分矩阵进行转型，便于后续处理
  • Step4_Update.java--矩阵相乘乘法部分
  • Step4_Update2.java--矩阵相乘加法部分
  • Step5.java--对结果进行过滤和排序
  • HDFSFile.java--HDFS路径文件操作类
  • SortHashMap.java--HashMap排序类
• 程序输出结果
  Step1:
  
  Step2:
  
  Step3_1用户评分矩阵转型:
  
  Step3_2同现矩阵转型:
  
  Step4:
  
  Step5:
  

###关于 该项目基于炼数成金《Hadoop应用开发实战案例 第六期》所提供的案例进行优化