基于Java的商品推荐系统

目录
一、什么是推荐系统 1
2.1 概念 1
的推荐系统和 1
3.2.1 会员用户表 12
3.2.2 用户订单表 13
3.2.3 商品信息表 14
4.1 项目目录结构 18
每个接口都有注释，很清楚，代码也比较简单。 20
4.4 用户登录接口的实现 23
因为存在着一些数据定是不可用的，所以我们要过滤处理掉之后的数据，就是我们想要的。 27
4.6 二值化数据库处理 29
五、测试结果 30
5.1 用户1推荐结果 30
使用用户id为1的用户登录： 30
得出的结果： 33
按降序{2=1, 1=1}，最终拿到的被推荐给当前用户的商品id—>2,1。 33

几乎每个人都已经在使用了，如果你是一个购物狂你肯定使用过淘宝，每个人的首页肯定是不一样的，为什么我的 首页关于电子产品的比较多，因为我搜索过；如果你喜欢听音乐，不难发现，也会根据你所听过的歌，给你推荐一 些类型相似的歌；如果你喜欢看电视或着电影，会根据你在看的和历史看的记录，给你推荐一些相似的视频；如果 你经常泡在博客系统或者其他看书的网站会发现也会有推荐；等等，这些都是推荐，只是推荐的方法不一样。
可以根据用户的特征推荐，也可以根据物品的特征推荐。这就是传说中的系统。

个人的：
ProductOrder{order_id=1, user_id=1, product_id=1, gwcount=15} ProductOrder{order_id=5, user_id=1, product_id=2, gwcount=21} 所有人的：
ProductOrder{order_id=1, user_id=1, product_id=1, gwcount=15} ProductOrder{order_id=2, user_id=2, product_id=3, gwcount=42} ProductOrder{order_id=3, user_id=3, product_id=4, gwcount=2} ProductOrder{order_id=4, user_id=4, product_id=4, gwcount=20} ProductOrder{order_id=5, user_id=1, product_id=2, gwcount=21} ProductOrder{order_id=6, user_id=5, product_id=1, gwcount=0} ProductOrder{order_id=7, user_id=5, product_id=2, gwcount=0} ProductOrder{order_id=8, user_id=5, product_id=3, gwcount=0} ProductOrder{order_id=9, user_id=6, product_id=2, gwcount=0} ProductOrder{order_id=10, user_id=6, product_id=5, gwcount=0} ProductOrder{order_id=11, user_id=7, product_id=1, gwcount=0} ProductOrder{order_id=12, user_id=7, product_id=2, gwcount=0} ProductOrder{order_id=13, user_id=7, product_id=5, gwcount=0} ProductOrder{order_id=14, user_id=3, product_id=1, gwcount=0} 得出的结果：
UserR{userName='null', userId=1, ProductIds=[1, 2], cos_th=0.9999999999999998} UserR{userName='null', userId=2, ProductIds=[3], cos_th=0.0} UserR{userName='null', userId=3, ProductIds=[4, 1], cos_th=0.4999999999999999} UserR{userName='null', userId=4, ProductIds=[4], cos_th=0.0} UserR{userName='null', userId=5, ProductIds=[1, 2, 3], cos_th=0.8164965809277259} UserR{userName='null', userId=6, ProductIds=[2, 5], cos_th=0.4999999999999999} UserR{userName='null', userId=7, ProductIds=[1, 2, 5], cos_th=0.8164965809277259} 过滤处理数据之后：
处理之后的map：
商品id=3‐‐用户所购数量=1 商品id=4‐‐用户所购数量=1 商品id=5‐‐用户所购数量=2 按降序{5=2, 4=1, 3=1}
最终拿到的被推荐给当前用户的商品id‐‐‐>5,4,3 推荐的商品：
ProductTable{productID=3, product_name='新鲜洋葱10斤紫皮红皮农家2020年葱头应季蔬菜圆头整箱批发包邮', price=18.8, volume=64, shopp_name='悠鲜源旗舰店', location='云南 昆明', evaluate=7, collect=51} ProductTable{productID=4, product_name='轩农谷仙居东魁杨梅新鲜水果浙江现摘现发大杨梅礼盒预定7A6斤', price=358.0, volume=222, shopp_name='轩农谷旗舰店', location='浙江 台州', evaluate=553, collect=1163}
ProductTable{productID=5, product_name='轩农谷正宗仙居杨梅新鲜当季水果特级东魁大杨梅5A级6斤高山现摘', price=258.0, volume=2939, shopp_name='轩农谷旗舰店', location='浙江 台州', evaluate=4270, collect=8737}