Java实现课程推荐算法

1.需求分析

现在有课程若干，需要在用户打开客户端时，推荐给用户相关内容。具体推荐规则如下:

有3个以上4分以上的：“基于您的个人能力测试，发现您的【xxx、xxx、xxx】很强”；
a) Xxx: 为能力，随机选3个最高值。
比如：您的基于您的个人能力测试，发现您“语言能力、英语能力、逻辑能力”能力很强

¬ 有4分以上的：“基于您的个人能力测试，发现您的【xxx、xxx、xxx】比较不错”；
a) Xxx: 为能力，随机选3个最高值。

¬ 没有4分以上的，3分及以下，提示能力最高的3个；同样分值，随机取几个，凑个3个能力：
a) 基于您的个人能力测试，发现您的【xxx、xxx 】能力比较均衡.；
比如：您的基于您的个人能力测试，发现您“语言能力、英语能力、逻辑能力”能力均衡

2.实现思路

设计思路其实很简单，我们需要把获取到的分数降序排序，如果相同就随机推荐相同分值的科目。

因为是K-V值关系的数据关系，所以可以选择用Map，用到排序，选用Map中的TreeMap，自己定义排序规则，需手写Compare方法。

3.具体代码

public class demo {public static void main(String[] args) {String result = "";Integer finalSize = 3;double math = 4.2;double chinese = 3;double english = 2;double computer = 3;double design = 3;double practice = 1;Map<String,Object> map = new HashMap<String, Object>();map.put("数学能力",math);map.put("语言能力",chinese);map.put("英文能力",english);map.put("逻辑能力",computer);map.put("设计能力",design);map.put("体育能力",practice);Map<String,Double> good = new HashMap<String, Double>();Map<String,Double> normal = new HashMap<String, Double>();Map<String,Double> bad = new HashMap<String, Double>();for (Map.Entry<String,Object> entry : map.entrySet()) {Double score =  (Double) entry.getValue();String classes = entry.getKey();if (score >= 4) {good.put(classes,score);} else if (score>=3 && score<4) {normal.put(classes,score);} else {bad.put(classes,score);}}Map<String, Double> map1 = new TreeMap<String, Double>(new MapValueComparator<Double>(good));Map<String, Double> map2 = new TreeMap<String, Double>(new MapValueComparator<Double>(normal));Map<String, Double> map3 = new TreeMap<String, Double>(new MapValueComparator<Double>(bad));map1.putAll(good);map2.putAll(normal);map3.putAll(bad);String[] keys = map1.keySet().toArray(new String[0]);String[] keys1 = map2.keySet().toArray(new String[0]);String[] keys2 = map3.keySet().toArray(new String[0]);System.out.println("测试前:"+map.toString());if (good.size() >= 3) {System.out.println("基于您的个人能力测试，发现您的【"+Random(keys,result,finalSize)+"】能力很强");} else if (good.size()>0 && (normal.size()+good.size()>=3 || bad.size()+good.size()>=3)) {for (String xx : keys) {  result += (result == "" || result == null) ? xx : ","+xx;}finalSize -= keys.length;if (normal.size()+good.size() >= 3) {System.out.println("基于您的个人能力测试，发现您的【"+Random(keys1,result,finalSize)+"】比较不错");} else if (bad.size()+good.size() >= 3 &&  normal.size() == 0) {System.out.println("基于您的个人能力测试，发现您的【"+Random(keys2,result,finalSize)+"】比较不错");} else {for (String xx : keys1) {  result += (result == "" || result == null) ? xx : ","+xx;}finalSize -= keys1.length;System.out.println("基于您的个人能力测试，发现您的【"+Random(keys2,result,finalSize)+"】比较不错");}} else {if (keys1.length >= 3) {System.out.println("基于您的个人能力测试，发现您的【"+Random(keys1,result,finalSize)+"】比较均衡");} else {for (String xx : keys1) {  result += (result == "" || result == null) ? xx : ","+xx;}finalSize -= keys1.length;System.out.println("基于您的个人能力测试，发现您的【"+Random(keys2,result,finalSize)+"】比较均衡");}}}/*** @Author Ragty* @Description  随机科目* @Date 11:07 2019/4/8**/public static String Random(String[] keys,String result,Integer finalSize) {for (int i=0; i<finalSize; i++) {result += (result == "" || result == null) ? keys[i] : ","+keys[i];}return result;}/*** @Author Ragty* @Description  比较器（按值排序,相同的随机取值）* @Date 10:38 2019/4/9**/public static class MapValueComparator<T extends Comparable<T>> implements Comparator<String> {private Map<String, T> map = null;public MapValueComparator(Map<String, T> map) {this.map = map;}public int compare(String o1, String o2) {int r = map.get(o2).compareTo(map.get(o1));if (r != 0) {return r;}int randomOne = (int) (Math.random() * 10);int randomTwo = (int) (Math.random() * 10);return randomOne - randomTwo;}}}

4.测试结果(多组结果)

测试前:{语言能力=4.2, 设计能力=3.0, 英文能力=2.0, 数学能力=3.0, 逻辑能力=3.0, 体育能力=1.0}
---------------------------------------------------------------------------------------
基于您的个人能力测试，发现您的【语言能力,数学能力,设计能力】比较不错测试前:{语言能力=4.2, 设计能力=3.0, 英文能力=2.0, 数学能力=3.0, 逻辑能力=3.0, 体育能力=1.0}
---------------------------------------------------------------------------------------
基于您的个人能力测试，发现您的【语言能力,逻辑能力,设计能力】比较不错测试前:{语言能力=4.2, 设计能力=3.0, 英文能力=2.0, 数学能力=3.0, 逻辑能力=3.0, 体育能力=1.0}
---------------------------------------------------------------------------------------
基于您的个人能力测试，发现您的【语言能力,数学能力,逻辑能力】比较不错

Java实现课程推荐算法相关推荐

Vue.js+Mysq+java+springboot+商品推荐算法实现商品推荐网站+商品管理系统后台
面对海量的商品信息如何实现针对不同用户维度开展个性化商品推荐,实现用户线上选购商品,下订单,支付,物流配送等?本次毕设程序基于前后端分离开发模式,搭建系统网络商品推荐系统前台与系统后台商品管理系统,通 ...
java转python推荐算法_java和python实现一个加权SlopeOne推荐算法
1 importjava.util.HashMap;2 importjava.util.Map;3 importjava.util.List;4 importjava.util.ArrayList;5 ...
Java语言开发在线购物推荐网购物商城推荐系统基于用户、物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)开发框架大数据、人工智能、机器学习项目开发
Java语言开发在线购物推荐网购物商城推荐系统基于用户.物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)开发框架大数据.人工智能.机器学习项目开发ShopRec ...
Java语言开发在线音乐推荐网音乐推荐系统网易云音乐爬虫基于用户、物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)框架大数据、人工智能、机器学习项目开发
Java语言开发在线音乐推荐网音乐推荐系统网易云音乐爬虫基于用户.物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)框架大数据.人工智能.机器学习项目开发Mus ...
Java语言springboot开发框架实现个性化美食推荐网在线美食推荐系统基于用户、物品的协同过滤推荐算法实现
Java语言springboot开发框架实现个性化美食推荐网在线美食推荐系统基于用户.物品的协同过滤推荐算法实现WebFoodRecSystem 一.项目简介 1.开发工具和使用技术 IDEA/E ...
使用Java+SSM(Spring+SpringMVC+Mybatis)开发在线美食推荐网美食推荐系统美食天下美食爬虫基于用户、物品的协同过滤推荐算法实现大数据、人工智能、机器学习项目开发
使用Java+SSM(Spring+SpringMVC+Mybatis)开发在线美食推荐网美食推荐系统美食天下美食爬虫基于用户.物品的协同过滤推荐算法实现大数据.人工智能.机器学习项目开发Fo ...
使用Java语言开发在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户、物品的协同过滤推荐算法实现 SSM(Spring+SpringMVC+Mybatis)开发框架机器学习、人工智能、大数据开发
使用Java语言开发在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户.物品的协同过滤推荐算法实现 SSM(Spring+SpringMVC+Mybatis)开发框架机器学习.人工智能.大数据开发 ...
使用Java+SSM框架+JSP开发简单在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户、物品的协同过滤推荐算法大数据机器学习 SimpleMovieRecommendOnline
使用Java+SSM框架+JSP开发简单在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户.物品的协同过滤推荐算法大数据机器学习 SimpleMovieRecommendOnline 一.项目简 ...
Java开发在线购物推荐网购物商城推荐系统基于用户、物品的协同过滤推荐算法京东商城爬虫 SSM(Spring+SpringMVC+Mybatis)开发框架大数据、人工智能、机器学习项目开发
Java开发在线购物推荐网购物商城推荐系统基于用户.物品的协同过滤推荐算法京东商城爬虫 SSM(Spring+SpringMVC+Mybatis)开发框架大数据.人工智能.机器学习项目开发Sh ...

Java实现课程推荐算法

1.需求分析

2.实现思路

3.具体代码

4.测试结果(多组结果)

Java实现课程推荐算法相关推荐

最新文章

热门文章