ChatGPT Java: 개인화된 추천 시스템을 구축하는 방법

ChatGPT Java: 개인화 추천 시스템을 구축하는 방법, 구체적인 코드 예제가 필요합니다

오늘날의 정보 폭발 시대에 개인화 추천 시스템은 비즈니스 분야에서 중요한 기술이 되었습니다. 이러한 시스템은 사용자의 과거 행동과 관심 사항을 분석하여 사용자의 개인적 선호도와 요구 사항에 맞는 추천 콘텐츠를 제공할 수 있습니다. 이 기사에서는 Java를 사용하여 간단한 개인화된 추천 시스템을 구축하는 방법을 소개하고 구체적인 코드 예제를 제공합니다.

1. 데이터 수집 및 전처리

개인화 추천 시스템의 핵심은 사용자의 행동 데이터입니다. 우리는 사용자의 탐색 기록, 구매 행동, 평가 데이터 등을 수집해야 합니다. Java에서는 데이터베이스를 사용하여 이 데이터를 저장하고 관리할 수 있습니다. 다음은 Java JDBC를 통해 데이터베이스에 연결하고 사용자의 검색 기록 데이터를 삽입하는 간단한 코드 예제입니다.

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.SQLException;

public class DataCollector {
    private static final String JDBC_URL = "jdbc:mysql://localhost:3306/recommendation_system";
    private static final String USERNAME = "root";
    private static final String PASSWORD = "password";

    public static void main(String[] args) {
        try(Connection connection = DriverManager.getConnection(JDBC_URL, USERNAME, PASSWORD)) {
            String sql = "INSERT INTO user_browsing_history (user_id, item_id, timestamp) VALUES (?, ?, ?)";
            PreparedStatement statement = connection.prepareStatement(sql);

            // 假设有一个用户浏览了商品1和商品2
            statement.setInt(1, 1); // 用户ID
            statement.setInt(2, 1); // 商品ID
            statement.setTimestamp(3, new java.sql.Timestamp(System.currentTimeMillis())); // 事件时间戳
            statement.executeUpdate();

            statement.setInt(1, 1);
            statement.setInt(2, 2);
            statement.setTimestamp(3, new java.sql.Timestamp(System.currentTimeMillis()));
            statement.executeUpdate();
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }
}

2. 사용자 유사성 계산

개인화된 추천을 얻으려면 비슷한 관심사를 가진 다른 사용자를 찾아야 합니다. 대상 사용자 사용자 또는 제품. 여기서는 협업 필터링 알고리즘을 사용하여 사용자 간의 유사성을 계산할 수 있습니다. 다음은 코사인 유사성을 사용하여 사용자 간의 유사성을 계산하는 간단한 코드 예제입니다.

import java.util.HashMap;
import java.util.Map;

public class SimilarityCalculator {
    public static void main(String[] args) {
        // 假设有两位用户
        Map<Integer, Map<Integer, Integer>> userItems = new HashMap<>();
        userItems.put(1, new HashMap<>());
        userItems.get(1).put(1, 5); // 用户1对商品1的评分是5
        userItems.get(1).put(2, 3); // 用户1对商品2的评分是3

        userItems.put(2, new HashMap<>());
        userItems.get(2).put(1, 4); // 用户2对商品1的评分是4
        userItems.get(2).put(2, 2); // 用户2对商品2的评分是2

        int userId1 = 1;
        int userId2 = 2;

        double similarity = calculateCosineSimilarity(userItems.get(userId1), userItems.get(userId2));
        System.out.println("用户1和用户2的相似度为：" + similarity);
    }

    private static double calculateCosineSimilarity(Map<Integer, Integer> user1, Map<Integer, Integer> user2) {
        double dotProduct = 0.0;
        double normUser1 = 0.0;
        double normUser2 = 0.0;

        for (Integer itemId : user1.keySet()) {
            if (user2.containsKey(itemId)) {
                dotProduct += user1.get(itemId) * user2.get(itemId);
            }
            normUser1 += Math.pow(user1.get(itemId), 2);
        }

        for (Integer itemId : user2.keySet()) {
            normUser2 += Math.pow(user2.get(itemId), 2);
        }

        return dotProduct / (Math.sqrt(normUser1) * Math.sqrt(normUser2));
    }
}

3. 추천 알고리즘 구현

사용자 간 유사성 계산 결과를 바탕으로 이웃 기반 협업 필터링 알고리즘을 사용하여 추천을 할 수 있습니다. 다음은 사용자 간의 유사성을 기반으로 대상 사용자에 대한 추천 결과를 생성하는 간단한 코드 예제입니다.

import java.util.*;

public class RecommendationEngine {
    public static void main(String[] args) {
        // 假设有3位用户
        Map<Integer, Map<Integer, Integer>> userItems = new HashMap<>();
        userItems.put(1, new HashMap<>());
        userItems.get(1).put(1, 5); // 用户1对商品1的评分是5
        userItems.get(1).put(2, 3); // 用户1对商品2的评分是3
        userItems.get(1).put(3, 4); // 用户1对商品3的评分是4

        userItems.put(2, new HashMap<>());
        userItems.get(2).put(1, 4); // 用户2对商品1的评分是4
        userItems.get(2).put(3, 2); // 用户2对商品3的评分是2

        userItems.put(3, new HashMap<>());
        userItems.get(3).put(2, 5); // 用户3对商品2的评分是5
        userItems.get(3).put(3, 2); // 用户3对商品3的评分是2

        int targetUserId = 1;

        Map<Integer, Double> recommendItems = generateRecommendations(userItems, targetUserId);
        System.out.println("为用户1生成的推荐结果为：" + recommendItems);
    }

    private static Map<Integer, Double> generateRecommendations(Map<Integer, Map<Integer, Integer>> userItems, int targetUserId) {
        Map<Integer, Double> recommendItems = new HashMap<>();
        Map<Integer, Integer> targetUserItems = userItems.get(targetUserId);

        for (Integer userId : userItems.keySet()) {
            if (userId != targetUserId) {
                Map<Integer, Integer> otherUserItems = userItems.get(userId);
                double similarity = calculateCosineSimilarity(targetUserItems, otherUserItems);

                for (Integer itemId : otherUserItems.keySet()) {
                    if (!targetUserItems.containsKey(itemId)) {
                        double rating = otherUserItems.get(itemId);
                        double weightedRating = rating * similarity;
                        recommendItems.put(itemId, recommendItems.getOrDefault(itemId, 0.0) + weightedRating);
                    }
                }
            }
        }

        return recommendItems;
    }

    private static double calculateCosineSimilarity(Map<Integer, Integer> user1, Map<Integer, Integer> user2) {
      // 略，与上一个代码示例中的calculateCosineSimilarity()方法相同
    }
}

위 단계를 통해 Java를 사용하여 간단한 개인화 추천 시스템을 구축할 수 있습니다. 물론 이는 개인화 추천 시스템의 기반일 뿐, 아직 최적화와 확장의 여지가 많다. 이 글이 개인화 추천 시스템을 구축하는 과정을 이해하는 데 도움이 되기를 바랍니다.

위 내용은 ChatGPT Java: 개인화된 추천 시스템을 구축하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!