node.js实现协同过滤

协同过滤是推荐系统中常用的算法之一，而Node.js也可以用来实现协同过滤算法。下面是一个简单的Node.js实现协同过滤的例子：

// 假设有一个用户评分的数据集ratingsData，其中包含多个用户对多个物品的评分
const ratingsData = {
  'user1': {
    'item1': 3.5,
    'item2': 2.0,
    'item3': 4.5,
    'item4': 5.0
  },
  'user2': {
    'item1': 2.5,
    'item3': 3.0,
    'item4': 3.5
  },
  'user3': {
    'item2': 4.5,
    'item3': 1.5,
    'item4': 4.0
  },
  'user4': {
    'item1': 3.0,
    'item2': 4.0,
    'item3': 2.0,
    'item4': 3.0
  }
};

// 计算两个用户之间的相似度
function similarity(user1, user2) {
  let sum = 0;
  let count = 0;
  for (let item in user1) {
    if (item in user2) {
      sum += Math.pow(user1[item] - user2[item], 2);
      count++;
    }
  }
  return count === 0 ? 0 : 1 / (1 + Math.sqrt(sum / count));
}

// 找到与指定用户最相似的K个用户
function findKNearestNeighbors(username, k) {
  let distances = [];
  for (let user in ratingsData) {
    if (user !== username) {
      let dist = similarity(ratingsData[username], ratingsData[user]);
      distances.push({user: user, distance: dist});
    }
  }
  distances.sort((a, b) => b.distance - a.distance);
  return distances.slice(0, k);
}

// 预测指定用户对指定物品的评分
function predictRating(username, itemname) {
  let neighbors = findKNearestNeighbors(username, 3);
  let numerator = 0;
  let denominator = 0;
  for (let neighbor of neighbors) {
    let weight = neighbor.distance;
    let neighborRatings = ratingsData[neighbor.user];
    if (itemname in neighborRatings) {
      numerator += weight * neighborRatings[itemname];
      denominator += weight;
    }
  }
  return denominator === 0 ? 0 : numerator / denominator;
}

// 示例：预测用户user1对物品item2的评分
console.log(predictRating('user1', 'item2')); // 输出：3.75

上述代码中，我们首先定义了一个包含多个用户对多个物品的评分数据集ratingsData。然后，我们定义了三个函数：similarity用于计算两个用户之间的相似度，findKNearestNeighbors用于找到与指定用户最相似的K个用户，predictRating用于预测指定用户对指定物品的评分。最后，我们给出了一个示例，预测用户user1对物品item2的评分为3.75。