基于物品的协同过滤算法简单实战应用

---

前言

提示：此文章作为实际开发过程中的文档记录，下面案例仅供参考

随着业务的不断扩展，需要一些个性化的功能来增加亮点，本章介绍了个性化功能之一的推荐功能。
使用基于物品的协同过滤算法来实现推荐功能。

此文章就不介绍推荐算法内部逻辑了，重在实现

一、数据库设计

直接先上数据库

字段	名称
ID	ID
USER_ID	用户ID
ITEM_ID	物品ID
PREFERENCE	偏好值

这是最基本的格式，只需要USER_ID，ITEM_ID，PREFERENCE这三个字段就可以实现行为数据存储。

这里的ITEM_ID为实际需要推荐对象的唯一键

当然，也可以根据实际业务，加上需要的字段，比如时间。

下面是数据准备，可以作为测试数据

USER_ID	ITEM_ID	PREFERENCE	CRT_TIME	ID
1	443185468969865216	2.5	2024-06-21 12:37:59	576139542714068993
1	444976198524620800	3	2024-06-21 12:38:12	576139597470707713
1	510202168684335104	5	2024-06-21 13:03:00	576136183911231489
1	573258351636647936	0.1	2024-08-12 13:52:11	595002384531664896
266024222614683648	317079152804872192	0.3	2024-08-09 11:25:49	593876702485491713
266024222614683648	418845332949979136	0.3	2024-08-09 11:53:06	593882772440297473
266024222614683648	432979672986308608	2	2024-06-21 12:40:04	576140067018846209
266024222614683648	443185468969865216	5	2024-06-21 12:43:59	1
266024222614683648	444976198524620800	2.5	2024-06-21 12:39:18	576139876173819905
266024222614683648	510202168684335104	2	2024-06-21 12:39:07	576139829084368897
324354387522158592	410554581992296448	5	2024-06-21 12:49:14	576142086932738049
324354387522158592	432979672986308608	4	2024-06-21 12:47:14	2
324354387522158592	510202168684335104	2.5	2024-06-21 12:46:40	576141728726593537
324354387522158592	534795602552180736	4.5	2024-06-21 12:47:32	3
405145387760418819	411287434115960832	4	2024-06-21 12:57:21	11
405145387760418819	432979672986308608	4	2024-06-21 12:55:59	9
405145387760418819	443185468969865216	2	2024-06-21 12:55:37	8
405145387760418819	444976198524620800	3	2024-06-21 12:55:07	7
405145387760418819	510202168684335104	4	2024-06-21 12:54:33	6
405145387760418819	534795602552180736	3.5	2024-06-21 12:56:30	10
405145389433946114	411287434115960832	4	2024-06-21 12:51:21	576142908664000513
405145389433946114	432979672986308608	3	2024-06-21 12:50:53	5
405145389433946114	44318546896986521