基于用户的协同过滤推荐算法java实现（UserCF）

        UserCF的核心思想即为根据用户数据模拟向量相似度，我们根据这个相似度，来找出指定用户的相似用户，然后将相似用户买过的而指定用户没有买的东西推荐给指定用户，推荐度的计算也是结合了相似用户与指定用户的相似度累加。注意这里我们默认是用户的隐反馈行为，所以每一个物品的影响因子默认为1。

 

package cn.csu.CFUtils;

import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Scanner;
import java.util.Set;

/**
 * 基于用户的协同过滤推荐算法实现
A a b d
B a c
C b e
D c d e
 * @author Administrator
 *
 */
public class UserCF {

	public static void main(String[] args) {
		/**
		 * 输入用户-->物品条目  一个用户对应多个物品
		 * 用户ID	物品ID集合
		 *   A		a b d
		 *   B		a c
		 *   C		b e
		 *   D		c d e
		 */
		Scanner scanner = new Scanner(System.in);
		System.out.println("Input the total users number:");
		//输入用户总量
		int N = scanner.nextInt();
		int[][] sparseMatrix = new int[N][N];//建立用户稀疏矩阵，用于用户相似度计算【相似度矩阵】
		Map userItemLength = new HashMap<>();//存储每一个用户对应的不同物品总数  eg: A 3
		Map