springboot旅遊推薦系統 算法解析篇

介紹

最近做了一個關於旅遊方面的項目，使用了比較流行的推薦算法，特地在此跟大家分享一下算法的實現過程。

項目簡介

採用前後端分離架構。

RESTful API風格接口化、Json形式數據傳輸。

前端頁面進行了升級，引用了一些基本的組件，如dataTables.js、bootstrap.js、bootbox.js。

前端沒有采用主流框架如Vue、React等，使用基本的HTML+CSS+JQ也減輕了上手難度。

引入皮爾遜線性相似度推薦算法的Java實現，應用於項目的“景點推薦”欄目。

項目架構

採用前後端分離，Jquery + SpringBoot2.0

後端語言Java

ORM使用SpringDataJPA

數據庫使用MySql5.7+Mongodb3

緩存Redis

部署Nginx+Jar

算法解析

皮爾遜相關係數的相似度算法(Pearson)

該算法在本系統中實現了基於景點分數近似度的推薦功能，以下給出數據獲取方法代碼，具體算法實現請查看CFUtils.cosineSimilarity()方法。

public List<Spots> findRecommendList(String id) {
        //系統中我將景點抽象成了產品，這樣便於擴展，如酒店、旅行團均可看作產品評分，統一記錄在系統的分數表中
        //如果是查詢景點推薦列表，則根據入參景點id查詢景點
        List<Score> productScoreList = scoreDao.findByProductId(id);
        //因爲相似度比對需要兩份數據，首先得到自己查詢的景點的分數集合
        double[] ownProductScoreList = new double[productScoreList.size()];
        for (int i = 0; i < productScoreList.size(); i++) {
            ownProductScoreList[i] = Double.parseDouble(productScoreList.get(i).getGrade());
        }
        //然後得到分數表中所有景點的分數集合
        List<Score> productCountInScoreList = scoreDao.findAllGroupByProductId();
        HashMap<String,double[]> ss = new HashMap<String,double[]>();
        //循環所有景點
        for (int i = 0; i < productCountInScoreList.size(); i++) {
            //得到該產品的所有分數
            List<Score> bb = scoreDao.findByProductId(productCountInScoreList.get(i).getProductId());
            double[] otherProductScoreList = new double[bb.size()];
            //循環該產品的所有分數
            for (int j = 0; j < bb.size(); j++) {
                otherProductScoreList[j] = Double.parseDouble(bb.get(j).getGrade());
            }
            //將產品作爲key，分數集合作爲value存入map
            ss.put(productCountInScoreList.get(i).getProductId(),otherProductScoreList);
        }
        List<Spots> resSpotsList = new ArrayList<>();
        //循環Map依次比對其線性相似度
        ss.forEach((String k, double[] v)->{
            //得到相似度值
            double n = CFUtils.cosineSimilarity(ownProductScoreList,v);
            log.info("id：{},線性相似度：{}",k,n);
            //判斷相似度值是否符合自己設定的閾值
            if(n > pearsonCorrelation) {
                //符合相似閾值，放入推薦列表
                resSpotsList.add(spotsDao.findById(k));
            }
        });
        return resSpotsList;
    }

項目實際運行效果

運行視頻

springboot吊炸天旅遊推薦系統 旅遊管理系統 旅遊網站