最近由于竞赛的原因，需要学习推荐系统相关知识，而librec是一个基于Java的开源推荐算法库，由东北大学郭贵冰团队编写，在GitHub上有2.9k个star了。
本文大部分步骤参考至LibRec 学习笔记（一）：如何在自己的项目中导入第三方包：LibRec ？

一、下载librec

github地址为：GitHub项目地址
不能科学上网的同学，可以通过我的百度网盘的地址进行下载百度网盘
下载完成之后打开目录，是这个样子滴
在这里插入图片描述

二、创建maven项目

具体步骤可以参考这篇博客IDEA 2020 创建Maven项目

三、将librec作为jar包导入自己的maven项目中

librec->lib下的librec-core-3.0.0jar文件复制到自己的maven文件夹中的bin文件夹下
然后在此文件夹下打开终端，输入指令

mvn install:install-file -Dfile=librec-core-3.0.0.jar -DgroupId=net.librec -DartifactId=librec-core -Dversion=3.0.0 -Dpackaging=jar

最后在pom.xml中添加依赖

<dependency>
    <groupId>net.librec</groupId>
    <artifactId>librec-core</artifactId>
    <version>3.0.0</version>
</dependency>

三、测试

在Java包下创建test,java，类中代码为：

public static void main(String[] args) throws Exception {

   // build data model
   Configuration conf = new Configuration();
   conf.set("dfs.data.dir", "path to the data dir");
   TextDataModel dataModel = new TextDataModel(conf);
   dataModel.buildDataModel();

   // build recommender context
   RecommenderContext context = new RecommenderContext(conf, dataModel);

   // build similarity
   conf.set("rec.recommender.similarity.key" ,"item");
   conf.setBoolean("rec.recommender.isranking", true);
   conf.setInt("rec.similarity.shrinkage", 10);
   RecommenderSimilarity similarity = new CosineSimilarity();
   similarity.buildSimilarityMatrix(dataModel);
   context.setSimilarity(similarity);

   // build recommender
   conf.set("rec.neighbors.knn.number", "200");
   Recommender recommender = new ItemKNNRecommender();
   recommender.setContext(context);

   // run recommender algorithm
   recommender.train(context);

   // evaluate the recommended result
   EvalContext evalContext = new EvalContext(conf, recommender, dataModel.getTestDataSet(), context.getSimilarity().getSimilarityMatrix(), context.getSimilarities());
   RecommenderEvaluator ndcgEvaluator = new NormalizedDCGEvaluator();
   ndcgEvaluator.setTopN(10);
   double ndcgValue = ndcgEvaluator.evaluate(evalContext);
   System.out.println("ndcg:" + ndcgValue);
}