最近在做一個通訊交友的項目，項目中有一個這樣的需求，通過用戶的興趣愛好，為用戶尋找推薦興趣相近的好友。其實思路好簡單，把用戶的興趣愛好和其他用戶的興趣愛好進行一個匹配，當(dāng)他們的愛好相似度比較高的時候就給雙方進行推薦。那么如何進行比較是一個問題，其實我們可以通過余弦匹配算法來對用戶的興趣愛好進行比較，根據(jù)計算出來的值來得到一個興趣愛好相近好友列表，并進行排序。

因為我做的項目是Android端的，所以算法是通過Java實現(xiàn)的，廢話不過多說了，下面是算法的實現(xiàn)：

package com; 
 
import java.util.HashMap; 
import java.util.Iterator; 
import java.util.Map; 
 
/** 
 * 余弦匹配算法 
 * 
 */ 
public class SimilarDegreeByCos { 
   
   /** 
   * 計算兩個字符串的相似度，簡單的余弦計算，未添權(quán)重  
   * @param str1 
   * @param str2 
   * @return 返回計算的相識度 
   */ 
   public static double getSimilarDegree(String str1, String str2)  
   {  
    //創(chuàng)建向量空間模型，使用map實現(xiàn)，主鍵為詞項，值為長度為2的數(shù)組，存放著對應(yīng)詞項在字符串中的出現(xiàn)次數(shù)  
     Map<String, int[]> vectorSpace = new HashMap<String, int[]>();  
     int[] itemCountArray = null;//為了避免頻繁產(chǎn)生局部變量，所以將itemCountArray聲明在此  
       
     //以空格為分隔符，分解字符串  
     String strArray[] = str1.split(" ");  
     for(int i=0; i<strArray.length; ++i)  
     {  
       if(vectorSpace.containsKey(strArray[i]))  
         ++(vectorSpace.get(strArray[i])[0]);  
       else  
       {  
         itemCountArray = new int[2];  
         itemCountArray[0] = 1;  
         itemCountArray[1] = 0;  
         vectorSpace.put(strArray[i], itemCountArray);  
       }  
     }  
       
     strArray = str2.split(" ");  
     for(int i=0; i<strArray.length; ++i)  
     {  
       if(vectorSpace.containsKey(strArray[i]))  
         ++(vectorSpace.get(strArray[i])[1]);  
       else  
       {  
         itemCountArray = new int[2];  
         itemCountArray[0] = 0;  
         itemCountArray[1] = 1;  
         vectorSpace.put(strArray[i], itemCountArray);  
       }  
     }  
     //計算相似度  
     double vector1Modulo = 0.00;//向量1的模  
     double vector2Modulo = 0.00;//向量2的模  
     double vectorProduct = 0.00; //向量積  
     Iterator iter = vectorSpace.entrySet().iterator();  
     while(iter.hasNext())  
     {  
       Map.Entry entry = (Map.Entry)iter.next();  
       itemCountArray = (int[])entry.getValue();  
         
       vector1Modulo += itemCountArray[0]*itemCountArray[0];  
       vector2Modulo += itemCountArray[1]*itemCountArray[1];  
         
       vectorProduct += itemCountArray[0]*itemCountArray[1];  
     }  
     vector1Modulo = Math.sqrt(vector1Modulo);  
     vector2Modulo = Math.sqrt(vector2Modulo);  
      
     //返回相似度  
    return (vectorProduct/(vector1Modulo*vector2Modulo));  
   }  
     
   /** 
   * 主方法 
   */  
   public static void main(String args[])  
   {  
     String str1 = "陽光活潑 跑步 羽毛球";  
     String str2 = "愛美食 跑步 籃球 足球 冰棒球 騎馬 游泳";  
     String str3 = "90后 動漫 旅游 愛美女";  
     String str4 = "陽光活潑 愛游戲 愛代碼 碼農(nóng)";  
     String str5 = "羽毛球 羽毛球 羽毛球 羽毛球";  
     String str6 = "陽光活潑 跑步 羽毛球";  
       
     System.out.println("str1和str2相識度：" + SimilarDegreeByCos.getSimilarDegree(str1, str2));  
     System.out.println("str1和str3相識度：" + SimilarDegreeByCos.getSimilarDegree(str1, str3));  
     System.out.println("str1和str4相識度：" + SimilarDegreeByCos.getSimilarDegree(str1, str4));  
     System.out.println("str1和str5相識度：" + SimilarDegreeByCos.getSimilarDegree(str1, str5));  
     System.out.println("str1和str6相識度：" + SimilarDegreeByCos.getSimilarDegree(str1, str6));  
   }  
 
}

效果：