〇、背景
数据集：MovieLens-1M（其中用户数6040，电影数3592，评分数1000000）；
工具：Java、MySQL、Redis；
主要参考资料：《推荐系统实践》项亮；
一、Item-CF算法描述
1.Item-CF算法思想
为当前用户推荐——与当前用户感兴趣物品相似的 且 当前用户没有接触的物品。
2.实现步骤
(1)计算物品之间的相似度；
(2)根据物品相似度和用户的行为历史，作出推荐。
二、User-CF算法描述
1.User-CF算法思想
先找到目标用户的相似用户（即与他有相同兴趣的其他用户），然后把 相似用户喜欢的 且 目标用户未作出行为的 物品推荐给目标用户。
2.实现步骤
(1)计算用户兴趣的相似度；
(2)找到与当前用户兴趣相似的用户集合，从该集合的历史物品列表中作出推荐。
三、遇到的问题
基于物品/用户的协同过滤算法是实现推荐系统的基本算法，同时也算是学习推荐系统的入门。两个算法的思想简单明了，所涉及的知识点也比较容易理解，但实现过程中也会有一些坑，比如说——训练过程太耗时。
以Item-CF为例，在算法实现过程中，我先计算物品之间的相似度，并将结果以set的数据结构暂存到Redis（一个基于内存的键值对数据库），方便使用。
而Item-CF算法最耗时的地方是 计算用户对某物品兴趣度的过程，公式如下：
其中Puj表示，用户u对物品j的兴趣度。N(u)表示用户u喜欢的物品集合，S(j,K)表示与物品j最相似的K个物品，这里取K=10。而N(u)∩S(j,K)表示与物品j相似，且用户u感兴趣的物品。wji表示物品j和物品i的相似度。rui表示用户u对物品i的兴趣。
每个用户对每个物品都需要计算，其时间复杂度大概为O(U*I*10)，U为用户数，I为物品数，10表示与当前物品最相似的10个物品。
四、重复步骤的优化
这里的优化主要指的是，在MovieLens数据集下，计算用户对某电影兴趣度的过程优化。
1.重复的步骤
从下面的伪代码可以看出：当user=1 movie=1时，会从redis取与当前电影相似的10部电影；当user=2 movie=1时，又会取一遍！这样算下来，会有六千多次的多余，大大影响了效率。
1 for(int user=1;user<=6040;user++){ 2 //从数据库中取当前用户的评分历史 3 4 for(int movie=1;movie<=3952;movie++){ 5 //从redis中取与当前电影相似的10部电影 6 } 7 8 }
2.优化方法：
以空间换时间，在算法开始时就把所有电影的相似电影取出来当作Java静态变量待用。
优点：避免了重复；缺点：占用了Java虚拟机的堆空间，使得垃圾回收更加频繁（当然，可以设置参数，加大堆内存解决）。
五、数据库查询的优化
1.数据库的多次查询
从下面的代码可以看出：6040个用户，每循环一次就要查询一次数据库，即对用户的查询需要六千多次。
而一次查询一个用户的数据，反复查6040次，和一次直接查询6040个用户，时间差是非常大的。
1 for(int user=1;user<=6040;user++){ 2 //从数据库中取当前用户的评分历史 3 4 }
2.优化方法
通过一次查询多个用户数据而非一次查询一个用户，可以大大提高效率。
本方法其实是使用到了SQL语句中的“in”关键字来一次性查询多个用户数据，例如：Select * from user id in 1,2,3....
但该注意的地方是，若一次性查询太多个用户的数据，会造成Java虚拟机内存溢出（Out Of Memory异常），所以得在实践中找到最佳的可以一次性查询的数据数量。
六、计算过程优化
这里的优化主要指的是，在MovieLens数据集下，计算用户对某电影兴趣度的过程优化。
1.耗时
即使通过上面的优化，但由于数据量大，且个人电脑的硬件限制等，耗时还是不可接受的（粗略计算超过12小时）。
2.解决方法
利用多线程，步骤如下：
(1)方法切分
将整个计算过程细分为若干个独立的计算单元，每个计算单元作一条线程。
比如：将查询用户的评分历史作一条线程，将查询与本电影相似的电影作一条线程，将计算用户对某电影兴趣度作一条线程。
(2)线程合作
多线程的执行具有不可预知性，我们需要制约它们的前后顺序。我这里采用的是“读者-写者”的方法。
比如：A线程查询用户后将结果传递给B线程；B线程收到A线程的数据后开始执行，并将本线程的结果传给C线程.....
具体到Java中，可以使用BlockingQueue集合类来实现数据互斥地写入、读出。
(3)效果
用本方法优化后，可以达到一个"线程流水线"的效果，大大缩减算法训练时间，如图所示：
