MapReduce案例好友推薦簡單實現

一、好友推薦演算法在實際的社交環境中應用較多，比如qq軟體中的「你可能認識的好友」或者是facebook中的好友推介。常見的好友推介演算法有六度分割理論，三元閉包論和最基本的好友推介演算法。

學習和分享好友推介演算法。

假設使用者a有好友a1，a2，a3，則a1，a2，a3相互之間都可能通過好友a認識，是潛在的好友關係。如果使用者b有好友a1，a2，b1，則a1，a2，b1相互之間都可能通過好友b認識。如下圖所示

如上圖所示，a1，a2在潛在好友列表**現2次，說明a1，a2有2個共同好友，在上圖中即為a，b。當兩個潛在好友如果共同好友越多，則他們可能認識的可能性就越大，彼此之間推介機會就越高。演算法簡單介紹如下：首先需要遍歷所有使用者的好友列表生成兩兩間的潛在好友列表，計算所有使用者潛在好友列表中同一對潛在好友出現的次數。如上圖例子中a1,a2出現次數為2次。注意：a1:a2與a2:a1為相同的一對潛在好友，計算時應進行累加。再次計算同乙個使用者的潛在好友列表和出現的次數，如圖中a1使用者，a1與a2出現2次，a1與a3出現1次，a1與b1出現1次。如果只能給每個使用者推介乙個好友的話，a2與a1認識的可能性更大，優先推介a2。注意：還需要除去已經是該使用者好友的潛在好友列表。如果a1與a2已經是好友關係了，則不需要再次推介。

實驗資料：

資料流程：

二、mapreduce程式實現

package friends;..
.public
class
runjob
fileoutputformat.
setoutputpath
(job, outpath)
;//開始執行
boolean f = job.
waitforcompletion
(true);
if(f)
fileoutputformat.
setoutputpath
(job, outpath)
;                f = job.
waitforcompletion
(true);
if(f)}}
catch
(exception e)
}/****/
static
class
extends
}}/**
* 保證好友順序一致
** @param user1
* @param user2
* @return
*/private string getfof
(string user1, string user2)
else}}
/**     * 第二次map操作
*/static
class
extends
}/**     * reduce階段 第一次
*/static
class
reducer1
extends
reducer
else}if
(flag)}}
/**     * 第二次reduce
*/static
class
reducer2
extends
reducer
stringbuffer.
substring(0
, stringbuffer.
length()
-1);
context.
write
(new
text
(user)
,new
text
(stringbuffer.
tostring()
));}
}/**
* 自定義排序比較器
*/static
class
sortcomparator
extends
writablecomparator
/**         * @param a
* @param b
* @return
*/@override
public
intcompare
(writablecomparable a, writablecomparable b)
}/**
* 分組比較器
*/static
class
groupcomparator
extends
writablecomparator
@override
public
intcompare
(writablecomparable a, writablecomparable b)
}}

結果：

.參考：

MapReduce案例好友推薦簡單實現

MapReduce案例好友推薦

求共同好友案例 mapreduce實現

MapReduce 共同好友

MapReduce案例 好友推薦簡單實現

MapReduce案例 好友推薦

求共同好友案例 mapreduce實現

MapReduce 共同好友

相關推薦

MapReduce案例好友推薦簡單實現

MapReduce案例好友推薦