hadoop实例：电子商务网站商品推荐系统
荐系统无处不在
比如：
购买成功后：购买了该商品的其他用户购买了以下商品
搜索成功后：您可能感兴趣的以下商品
主页或广告：您可能感兴趣的以下商品
如下图，用户A购买物品AC;用户B购买物品ABC;当用户C购买物品A后，根据数据分析发现，购买物品A的用户大多数购买了物品C,所以提醒用户C”购买了该商品的其他用户购买了以下商品:物品C”。 下面我们就模拟实现这个功能
这里有一堆数据，记录的是用户购物记录；要求用户推荐和他之前喜欢的物品相似的物品。
item_id,user_id,action,vtime i161,u2625,click,2014/9/18 15:03 i161,u2626,click,2014/9/23 22:40 i161,u2627,click,2014/9/25 19:09 i161,u2628,click,2014/9/28 21:35 i161,u2629,click,2014/9/27 16:33 i161,u2630,click,2014/9/5 18:45 i161,u2631,click,2014/9/29 16:57 i161,u2632,click,2014/9/24 21:58 i161,u2633,click,2014/9/25 22:41 i161,u2634,click,2014/9/16 13:30 i161,u2635,click,2014/9/20 9:23 i161,u2636,click,2014/9/21 1:00 i161,u2637,click,2014/9/24 22:51 i161,u2638,click,2014/9/27 22:40
解决思路：
将数据拆分 用户对物品的喜爱度得分矩阵 与 物品的同现矩阵 如下图，矩阵相乘得到的就是推荐商品
101…107指商品分数 U3指用户评分
R指矩阵乘积,如 40=2*(5+3+4+4+2+2+1)
R最高的代表推荐商品
需要五次mapReduce处理数据
第一次mapReduce做的事情？去重复数据；
第二次mapReduce做的事情？
按用户分组，计算所有物品出现的组合列表，得到用户对物品的喜爱度得分矩阵
u13 i160:1,
u14 i25:1,i223:1,
u16 i252:1,
u21 i266:1,
u24 i64:1,i218:1,i185:1,
u26 i276:1,i201:1,i348:1,i321:1,i136:1,
第三次mapReduce做的事情？
对物品组合列表进行计数，建立物品的同现矩阵
i100:i100 3
i100:i105 1
i100:i106 1
i100:i109 1
i100:i114 1
i100:i124 1
第四次mapReduce做的事情？
把同现矩阵和得分矩阵相乘
u13 i100,3
u13 i100,2
u13 i105,1
u14 i100,3
u14 i105,1
第五次mapReduce做的事情？
把相乘之后的矩阵相加获得结果矩阵
u13 i100,5
u13 i105,1
u14 i100,3
u14 i105,1
代码实现如下：
网址： https://github.com/hzcjd8/hadoop
