基于图的推荐算法 c，c++ 实现 代码 项亮 随机游走

基于图的推荐算法 c，c++ 实现 代码 项亮 随机游走

#include “math.h“
#include “string.h“
#include “stdlib.h“ 
#include “stdio.h“
#include “iostream.h“
//#include “time.h“         //使用当前时钟做种子


FILE *fp;
const int usersum = 6040;
const int itemsum = 3952;
const double alpha = 0.8;
const int N = 10;
char datasetfile[100] = “E:\\mytest\\ratings.dat“; 
int train[usersum][itemsum]={0};	//训练集合user item rate矩阵
int test[usersum][itemsum]={0};    //测试集合user item rate矩阵
int recommend[usersum][N]={0};  //为每个用户推荐N个物品


//第一步，拆分数据集为测试集test和训练集trainuser，其中1/m为测试集取不同的k<=m-1值 在相同的随即种子下可得到不同的测/训集合
int SplitData（int m int k）;
//寻找数据集每条记录对应的用户号和物品号
int Buf_UIR（char* bufint* user int* item）;
//第二步，通过测试集得到top-N=10的推荐列表
void getrecommend（）;
void getrecommendlist（int usernum double* item）; //为用户usernum推荐N个物品
void getitem（double* item int user int* a）;  //从用户user开始游走，游走之后将每个物品节点被访问概率存放在以item为首地址的数组中
//第三步，计算召回率、准确率和覆盖率
double Recall（）;                          
double Precision（）;
double Coverage（）;

int main（）
{
	int ij;
	double recallprecisioncoverage;
	SplitData（81）; //随即分配1/8为测试集，其他为训练集
    //输出初始化的矩阵	
  /*	
	for （i=0;i<5;i++）
 	{
 		cout<<“User“< 		for （j=0;j<100;j++）
 		{
 			cout< 		}
 		cout< 	}
*/

	//通过物品兴趣程度，推荐前N个
	getrecommend（）;
	//输出推荐矩阵
	for （i=0;i<50;i++）
 	{
 		cout<<“User“< 		for （j=0;j 		{
 			cout< 		}
 		cout< 	}

    recall=Recall（）;	//计算召回率
	printf（“召回率recall=%lf “recall）;
	precision=Precision（）;//计算准确率
	printf（“准确率precision=%lf “precision）;
	coverage=Coverage（）;//计算覆盖率
    printf（“覆盖率precision=%lf “coverage）;

	return 1;
}

//拆分数据集为测试集test和训练集train，其中1/m为测试集取不同的k<=m-1值 在相同的随即种子下可得到不同的测/训集合
int SplitData（int m int k）
{
	fp=fopen（datasetfile“r“）;
	char tmpbuf[100];		//暂存文件一行记录
	int usernum;
	int itemnum;

	if （!fp）
	{
		cout<<“open datasetfile failed“;
		return 1;
	}
	else
	{
//		srand（（unsigned）time（NULL））;                  //设置当前时间为随机种子
		while （!feof（fp））
		{
			fgets（tmpbuf100fp）;                     //将fp指向的当前记录存到tmpbuf[100]
		    Buf_UIR（tmpbuf&usernum&itemnum）;        //寻找数据集每条记录对应的用户号和物品号
			if （usernum<=usersum&&itemnum<=itemsum）
			{
				if（rand（）%m==k）
				   test[usernum-1][itemnum-1] = 1;        //rate为评分，再此实验中只需统计有无评分的，无需讨论具体评分
			    else 
				   train[usernum-1][itemnum-1] = 1;  //用户号的物品号均从0开始算起，
			}
		}
 		fclose（fp）;
	}
	return 1;
}
//寻找数据集每条记录对应的用户号和物品号
int Buf_UIR（char* bufint* user int* item）
{
	char U[20]={0};
	char I[20]={0};
	char R[20]={0};
	char *Temp;
	int curpos;
	//查找用户号
	Temp = strchr（buf‘:‘）;
	curpos = Temp-buf;
	strncpy（Ubufcurpos）;
	*user = atoi（U）;
	//查找item号
	Temp = strchr（buf+curpos+2‘:‘）;
	//curpos = Temp - buf;
	strncpy（Ibuf+curpos+2Temp-buf-curpos-2）;
	*item = atoi（I）;
	return 1;
}


//通过测试集得到top-N的推荐列表
void getrecommend（）
{
    int a[itemsum];   //为每个用户推荐时，每个物品节点被访问的总次数
    double item[2][itemsum]={0.

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2013-01-19 10:30  基于图的推荐算法\
     目录           0  2012-11-24 10:28  基于图的推荐算法\gh-mytest\
     目录           0  2012-11-24 10:28  基于图的推荐算法\gh-mytest\Debug\
     文件      258132  2012-11-21 19:24  基于图的推荐算法\gh-mytest\Debug\test1.exe
     文件      518084  2012-11-21 19:24  基于图的推荐算法\gh-mytest\Debug\test1.ilk
     文件       18172  2012-11-21 19:24  基于图的推荐算法\gh-mytest\Debug\test1.obj
     文件      298748  2012-11-21 19:06  基于图的推荐算法\gh-mytest\Debug\test1.pch
     文件      599040  2012-11-21 19:24  基于图的推荐算法\gh-mytest\Debug\test1.pdb
     文件        9033  2012-10-28 15:35  基于图的推荐算法\gh-mytest\Debug\testfile.obj
     文件       66560  2012-11-21 19:24  基于图的推荐算法\gh-mytest\Debug\vc60.idb
     文件       69632  2012-11-21 19:24  基于图的推荐算法\gh-mytest\Debug\vc60.pdb
     目录           0  2012-11-24 10:28  基于图的推荐算法\gh-mytest\Release\
     文件       65536  2012-11-22 14:46  基于图的推荐算法\gh-mytest\Release\test1.exe
     文件        8723  2012-11-22 14:46  基于图的推荐算法\gh-mytest\Release\test1.obj
     文件      304164  2012-11-21 19:25  基于图的推荐算法\gh-mytest\Release\test1.pch
     文件       33792  2012-11-22 14:46  基于图的推荐算法\gh-mytest\Release\vc60.idb
     文件    24594131  2003-02-28 15:53  基于图的推荐算法\gh-mytest\ratings.dat
     文件        8996  2012-11-22 14:10  基于图的推荐算法\gh-mytest\test1.cpp
     文件        3389  2012-11-21 16:17  基于图的推荐算法\gh-mytest\test1.dsp
     文件       48640  2012-11-21 16:17  基于图的推荐算法\gh-mytest\test1.opt
     文件         735  2012-11-22 14:46  基于图的推荐算法\gh-mytest\test1.plg
     目录           0  2012-11-24 10:28  基于图的推荐算法\gh-mytest1多线程\
     文件      247846  2012-11-23 10:25  基于图的推荐算法\gh-mytest1多线程\111.map
     文件      130959  2012-11-23 10:26  基于图的推荐算法\gh-mytest1多线程\222.map
     文件      353225  2012-11-23 06:13  基于图的推荐算法\gh-mytest1多线程\25600.txt
     目录           0  2012-11-24 10:28  基于图的推荐算法\gh-mytest1多线程\Debug\
     文件      168541  2012-11-22 19:02  基于图的推荐算法\gh-mytest1多线程\Debug\test1.obj
     文件     2009168  2012-11-22 19:02  基于图的推荐算法\gh-mytest1多线程\Debug\test1.pch
     文件     1270784  2012-11-22 19:02  基于图的推荐算法\gh-mytest1多线程\Debug\test1.pdb
     文件        9033  2012-10-28 15:35  基于图的推荐算法\gh-mytest1多线程\Debug\testfile.obj
     文件      222208  2012-11-22 19:02  基于图的推荐算法\gh-mytest1多线程\Debug\vc60.idb
............此处省略15个文件信息