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

2024-03-21 09:20
文章标签 java 算法 实现 springboot 推荐 毕业设计 spring 商品 集成 电影 spark 喜欢 电视剧

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

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》：本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI
阅读更多...
Python脚本实现自动删除C盘临时文件夹

Python脚本实现自动删除C盘临时文件夹

《Python脚本实现自动删除C盘临时文件夹》在日常使用电脑的过程中,临时文件夹往往会积累大量的无用数据,占用宝贵的磁盘空间,下面我们就来看看Python如何通过脚本实现自动删除C盘临时文件夹吧... 目录一、准备工作二、python脚本编写三、脚本解析四、运行脚本五、案例演示六、注意事项七、总结在日常使用
阅读更多...
Java实现Excel与HTML互转

Java实现Excel与HTML互转

《Java实现Excel与HTML互转》Excel是一种电子表格格式,而HTM则是一种用于创建网页的标记语言,虽然两者在用途上存在差异,但有时我们需要将数据从一种格式转换为另一种格式,下面我们就来看看... Excel是一种电子表格格式，广泛用于数据处理和分析，而HTM则是一种用于创建网页的标记语言。虽然两
阅读更多...
java图像识别工具类(ImageRecognitionUtils)使用实例详解

java图像识别工具类(ImageRecognitionUtils)使用实例详解

《java图像识别工具类(ImageRecognitionUtils)使用实例详解》：本文主要介绍如何在Java中使用OpenCV进行图像识别,包括图像加载、预处理、分类、人脸检测和特征提取等步骤... 目录前言1. 图像识别的背景与作用2. 设计目标3. 项目依赖4. 设计与实现 ImageRecogni
阅读更多...
Java中Springboot集成Kafka实现消息发送和接收功能

Java中Springboot集成Kafka实现消息发送和接收功能

《Java中Springboot集成Kafka实现消息发送和接收功能》Kafka是一个高吞吐量的分布式发布-订阅消息系统,主要用于处理大规模数据流,它由生产者、消费者、主题、分区和代理等组件构成,Ka... 目录一、Kafka 简介二、Kafka 功能三、POM依赖四、配置文件五、生产者六、消费者一、Kaf
阅读更多...
Java访问修饰符public、private、protected及默认访问权限详解

Java访问修饰符public、private、protected及默认访问权限详解

《Java访问修饰符public、private、protected及默认访问权限详解》：本文主要介绍Java访问修饰符public、private、protected及默认访问权限的相关资料,每... 目录前言1. public 访问修饰符特点：示例：适用场景：2. private 访问修饰符特点：示例：
阅读更多...
Python将大量遥感数据的值缩放指定倍数的方法(推荐)

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块，批量读取大量多波段遥感影像文件，分别对各波段数据加以数值处
阅读更多...
详解Java如何向http/https接口发出请求

详解Java如何向http/https接口发出请求

《详解Java如何向http/https接口发出请求》这篇文章主要为大家详细介绍了Java如何实现向http/https接口发出请求,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 用Java发送web请求所用到的包都在java.net下，在具体使用时可以用如下代码，你可以把它封装成一
阅读更多...
使用Python实现在Word中添加或删除超链接

使用Python实现在Word中添加或删除超链接

《使用Python实现在Word中添加或删除超链接》在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能,本文将为大家介绍一下Python如何实现在Word中添加或... 在Word文档中，超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能。通过添加超
阅读更多...
windos server2022里的DFS配置的实现

windos server2022里的DFS配置的实现

《windosserver2022里的DFS配置的实现》DFS是WindowsServer操作系统提供的一种功能,用于在多台服务器上集中管理共享文件夹和文件的分布式存储解决方案,本文就来介绍一下wi... 目录什么是DFS？优势：应用场景：DFS配置步骤什么是DFS？DFS指的是分布式文件系统（Distr
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2