基于用户的协同过滤算法usercf流程图.docVIP

UserCF算法主要流程： 主要全局变量： const int usersum = 6040; //用户总数 const int itemsum =3952; //项目总数 const int N =10; //为用户推荐前N个物品 int trainuser[usersum][itemsum]={0}; //训练集合user item rate矩阵 int test[usersum][itemsum]={0}; //测试集合user item rate矩阵 struct _simi { double value; //相似值 int num; //相似用户号 }; _simi simiUser[usersum][usersum]; //排序后的相似性矩阵 double trainuserItem[usersum][itemsum]={0.0}; // user item 兴趣程度 矩阵 int recommend[usersum][N]={0}; //为每个用户推荐N个物品 拆分数据集函数int SplitData(int m, int k) 主要流程： 将数据集拆分为测试集test和训练集trainuser，其中1/m为测试集,取不同的k=m-1值 在相同的随即种子下可得到不同的测/训集合 计算用户之间相似度函数double Simility(int* Ua, int*Ub)主要流程： 计算用户Ua和Ub的相似性，返回值为Ua和Ub的相似度 用户相似性矩阵排序函数int sort(double *simArr,_simi *simStruct)主要流程： 根据相似性由高到低排序，每行第一个是自己 用户i对物品j预测兴趣程度函数double getUserLikeItem(int i,int j,int k)主要流程： 利用k个最近邻来计算 推荐函数int getRecommend()主要流程： 通过物品兴趣程度，推荐前N个