毕业设计——Springboot集成+Spark实现电影、电视剧、商品的猜你喜欢推荐算法

本文主要是介绍毕业设计——Springboot集成+Spark实现电影、电视剧、商品的猜你喜欢推荐算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大家好呀,我是胡广,感谢大家收看我的博客,今天给大家带来的是一个众所周知的推荐系统的小demo,废话不多说,上才艺!!!

首先简单的看一下项目结构,很简单。

你得会创建SpringBoot项目

详细教程走这个链接,写得非常详细了

IDEA 如何快速创建 Springboot 项目icon-default.png?t=N7T8https://blog.csdn.net/sunnyzyq/article/details/108666480

1.SparkApplication:SpringBoot的启动类

package com.study;import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
public class SparkApplication {public static void main(String[] args) {SpringApplication.run(SparkApplication.class, args);}}

2.As类:主要实现推荐逻辑代码,我这里写得是测试的数据,如果想运用到项目当中还得从数据库获取到数据再进行spark的推荐运算哦!

其中有一段这么个代码,这是获取的本地文件的电影或电视剧的数据,这个txt文件我也会给大家放在下边分享的文件链接里!

JavaRDD<String> lines = jsc.textFile("D:\\NirvanaRebirth\\study\\spark\\recommend.txt");

给大家解释一下这个数据的格式,看到第一行是1,1,5

1(代表用户编号),1(代表电视剧或电影、商品编号),5(代表编号为1的用户给编号为1的电视剧的评分) 

 

package com.study;import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.mllib.recommendation.ALS;
import org.apache.spark.mllib.recommendation.MatrixFactorizationModel;
import org.apache.spark.mllib.recommendation.Rating;
import org.apache.spark.rdd.RDD;
import scala.Tuple2;import java.util.ArrayList;
import java.util.List;public class As {public static void main(String[] args) {List<String> list=new ArrayList<String>();list.add("1,6,0");list.add("2,1,4.5");list.add("2,2,9.9");list.add("3,3,5.0");list.add("3,4,2.0");list.add("3,5,5.0");list.add("3,6,9.9");list.add("4,2,9.9");list.add("4,5,0");list.add("4,6,0");list.add("5,2,9.9");list.add("5,3,9.9");list.add("5,4,9.9");list.add("3,10,5.0");list.add("3,11,2.0");list.add("3,12,5.0");list.add("3,12,9.9");list.add("4,14,9.9");list.add("4,15,0");list.add("4,16,7.0");list.add("5,17,9.9");list.add("5,18,9.9");list.add("5,19,6.9");//        JavaRDD<String> temp=sc.parallelize(list);//上述方式等价于
//        JavaRDD<String> temp2=sc.parallelize(Arrays.asList("a","b","c"));System.out.println("牛逼牛逼");SparkConf conf = new SparkConf().setAppName("als").setMaster("local[5]");JavaSparkContext jsc = new JavaSparkContext(conf);JavaRDD<String> lines = jsc.textFile("D:\\NirvanaRebirth\\study\\spark\\recommend.txt");
//        JavaRDD<String> lines = jsc.parallelize(list);// 映射RDD<Rating> ratingRDD = lines.map(new Function<String, Rating>() {public Rating call(String line) throws Exception {String[] arr = line.split(",");return new Rating(new Integer(arr[0]), new Integer(arr[1]), Double.parseDouble(arr[2]));}}).rdd();MatrixFactorizationModel model = ALS.train(ratingRDD, 10, 10);// 通过原始数据进行测试JavaPairRDD<Integer, Integer> testJPRDD = ratingRDD.toJavaRDD().mapToPair(new PairFunction<Rating, Integer, Integer>() {public Tuple2<Integer, Integer> call(Rating rating) throws Exception {return new Tuple2<Integer, Integer>(rating.user(), rating.product());}});// 对原始数据进行推荐值预测JavaRDD<Rating> predict = model.predict(testJPRDD);System.out.println("原始数据测试结果为:");predict.foreach(new VoidFunction<Rating>() {public void call(Rating rating) throws Exception {System.out.println("UID:" + rating.user() + ",PID:" + rating.product() + ",SCORE:" + rating.rating());}});// 向指定id的用户推荐n件商品Rating[] predictProducts = model.recommendProducts(2, 8);System.out.println("\r\n向指定id的用户推荐n件商品");for(Rating r1:predictProducts){System.out.println("UID:" + r1.user() + ",PID:" + r1.product() + ",SCORE:" + r1.rating());}// 向指定id的商品推荐给n给用户Rating[] predictUsers = model.recommendUsers(2, 4);System.out.println("\r\n向指定id的商品推荐给n给用户");for(Rating r1:predictProducts){System.out.println("UID:" + r1.user() + ",PID:" + r1.product() + ",SCORE:" + r1.rating());}// 向所有用户推荐N个商品RDD<Tuple2<Object, Rating[]>> predictProductsForUsers = model.recommendProductsForUsers(3);System.out.println("\r\n******向所有用户推荐N个商品******");predictProductsForUsers.toJavaRDD().foreach(new VoidFunction<Tuple2<Object, Rating[]>>() {public void call(Tuple2<Object, Rating[]> tuple2) throws Exception {System.out.println("以下为向id为:" + tuple2._1 + "的用户推荐的商品:");for(Rating r1:tuple2._2){System.out.println("UID:" + r1.user() + ",PID:" + r1.product() + ",SCORE:" + r1.rating());}}});// 将所有商品推荐给n个用户RDD<Tuple2<Object, Rating[]>> predictUsersForProducts = model.recommendUsersForProducts(2);System.out.println("\r\n******将所有商品推荐给n个用户******");predictUsersForProducts.toJavaRDD().foreach(new VoidFunction<Tuple2<Object, Rating[]>>() {public void call(Tuple2<Object, Rating[]> tuple2) throws Exception {System.out.println("以下为向id为:" + tuple2._1 + "的商品推荐的用户:");for(Rating r1:tuple2._2){System.out.println("UID:" + r1.user() + ",PID:" + r1.product() + ",SCORE:" + r1.rating());}}});}
}

3.pom.xml:maven的依赖项目

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.6.2</version><relativePath/> <!-- lookup parent from repository --></parent><groupId>com.study</groupId><artifactId>spark</artifactId><version>0.0.1-SNAPSHOT</version><name>spark</name><description>Demo project for Spring Boot</description><properties><java.version>1.8</java.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><!--Spark 依赖--><!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core_2.11 --><dependency><groupId>org.apache.spark</groupId><artifactId>spark-core_2.11</artifactId><version>2.1.0</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql_2.11 --><dependency><groupId>org.apache.spark</groupId><artifactId>spark-sql_2.11</artifactId><version>2.3.1</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.spark/spark-mllib --><dependency><groupId>org.apache.spark</groupId><artifactId>spark-mllib_2.11</artifactId><version>2.1.0</version><scope>compile</scope></dependency><!--Guava 依赖--><dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>14.0.1</version></dependency><dependency><groupId>org.codehaus.janino</groupId><artifactId>janino</artifactId><version>3.0.8</version></dependency><!-- fix java.lang.ClassNotFoundException: org.codehaus.commons.compiler.UncheckedCompileException --><dependency><groupId>org.codehaus.janino</groupId><artifactId>commons-compiler</artifactId><version>2.7.8</version></dependency><dependency><groupId>io.netty</groupId><artifactId>netty-all</artifactId><version>4.1.17.Final</version></dependency><!-- https://mvnrepository.com/artifact/org.slf4j/log4j-over-slf4j --><!--Hadoop 依赖--><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.3.1</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-common</artifactId><version>3.3.1</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-hdfs</artifactId><version>3.3.1</version></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

简单的运行效果

向指定id的用户推荐n件商品

有需要到这个百度云盘连接下载就行

链接:https://pan.baidu.com/s/1dhsHqzxdfZngJLaCqxrAGg 提取码:oaadicon-default.png?t=N7T8https://pan.baidu.com/s/1dhsHqzxdfZngJLaCqxrAGg

好了,到这里就结束咯,是不是很简单呢?有啥不懂的或者有啥可改进的可以看下边添加我微信一起交流哦!微信:BitPlanet   需要毕业设计的小伙伴也可以联系,帝王般的服务你值得拥有

感谢观看

这篇关于毕业设计——Springboot集成+Spark实现电影、电视剧、商品的猜你喜欢推荐算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/832313

相关文章

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时,有没有考虑过 JVM 是如何把静态的字节码(byte code)转化为运行时对象的呢,这个问题看似简单,但清楚的同学相信也不会太多,这篇文章首先介绍 JVM 类初始化的机制,然后给出几个易出错的实例来分析,帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段,分别是:loading 、Linking、initialization

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权,允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true (Spring security默认会带有ROLE_前缀),去

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

Spring Security--Architecture Overview

1 核心组件 这一节主要介绍一些在Spring Security中常见且核心的Java类,它们之间的依赖,构建起了整个框架。想要理解整个架构,最起码得对这些类眼熟。 1.1 SecurityContextHolder SecurityContextHolder用于存储安全上下文(security context)的信息。当前操作的用户是谁,该用户是否已经被认证,他拥有哪些角色权限…这些都被保

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

Java进阶13讲__第12讲_1/2

多线程、线程池 1.  线程概念 1.1  什么是线程 1.2  线程的好处 2.   创建线程的三种方式 注意事项 2.1  继承Thread类 2.1.1 认识  2.1.2  编码实现  package cn.hdc.oop10.Thread;import org.slf4j.Logger;import org.slf4j.LoggerFactory

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu