诚意租房网blog2

Posted april315

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了诚意租房网blog2相关的知识,希望对你有一定的参考价值。

 (一)数据库设计部分:

创建数据库hourse:

1:关注表

CREATE TABLE `guanzhu` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `uid` int(11) DEFAULT NULL,

  `hid` int(11) DEFAULT NULL,

  `time` datetime DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8;

2:历史表

CREATE TABLE `history` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `uid` int(11) DEFAULT NULL,

  `uname` varchar(65) DEFAULT NULL,

  `createtime` datetime DEFAULT NULL,

  `hid` int(11) DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=133 DEFAULT CHARSET=utf8;

3:房屋信息表

CREATE TABLE `hourse` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `uname` varchar(255) DEFAULT NULL COMMENT ‘房东名字‘,

  `uid` int(11) DEFAULT NULL,

  `image` varchar(255) DEFAULT NULL COMMENT ‘主视图‘,

  `image1` varchar(255) DEFAULT NULL,

  `image2` varchar(255) DEFAULT NULL,

  `area` int(11) DEFAULT NULL COMMENT ‘面积‘,

  `address` varchar(255) DEFAULT NULL COMMENT ‘地址‘,

  `rent_type` int(11) DEFAULT NULL COMMENT ‘0 日租 1月租‘,

  `day_price` double DEFAULT NULL COMMENT ‘日租金‘,

  `month_price` double DEFAULT NULL COMMENT ‘月租金‘,

  `hourse_type` int(66) unsigned DEFAULT NULL COMMENT ‘1一室一厅2两室一厅3三室一厅‘,

  `state` int(11) DEFAULT ‘0‘ COMMENT ‘0可申请 1已申请 2已审核 3已入组 4已退房‘,

  `fabu_state` int(11) DEFAULT ‘0‘ COMMENT ‘0 未审核 自己房屋审核情况‘,

  `name` varchar(64) DEFAULT NULL COMMENT ‘名字‘,

  `xiaoqv` varchar(64) DEFAULT NULL COMMENT ‘归属小区‘,

  `introduce` varchar(4000) DEFAULT NULL COMMENT ‘房子介绍‘,

  `xqintrodece` varchar(4000) DEFAULT NULL COMMENT ‘小区介绍‘,

  `createtime` datetime DEFAULT NULL COMMENT ‘发布时间‘,

  `tel` varchar(64) DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8;

4:订单房屋表

CREATE TABLE `hourse_order` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `hid` int(11) DEFAULT NULL COMMENT ‘房子ID‘,

  `in_time` datetime DEFAULT NULL COMMENT ‘入住时间‘,

  `pay_type` int(11) DEFAULT NULL COMMENT ‘支付方式‘,

  `out_time` datetime DEFAULT NULL COMMENT ‘退房时间‘,

  `price` double DEFAULT NULL COMMENT ‘总价‘,

  `state` int(11) DEFAULT NULL COMMENT ‘申请状态‘,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8;

5:留言实体表

CREATE TABLE `message` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `content` varchar(2000) DEFAULT NULL COMMENT ‘留言内容‘,

  `uid` int(11) DEFAULT NULL COMMENT ‘留言人‘,

  `hid` int(11) DEFAULT NULL COMMENT ‘被留言房屋‘,

  `rank` int(11) DEFAULT NULL COMMENT ‘评分‘,

  `time` datetime DEFAULT NULL COMMENT ‘评论时间‘,

  `uname` varchar(64) DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8;

6:CREATE TABLE `my_hource` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `hid` int(11) DEFAULT NULL,

  `time` datetime DEFAULT NULL,

  `uid` int(11) DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8;

7:申请表

CREATE TABLE `shenqing` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `uid` int(11) DEFAULT NULL COMMENT ‘申请人id‘,

  `hid` int(11) DEFAULT NULL COMMENT ‘房子ID‘,

  `time` datetime DEFAULT NULL COMMENT ‘申请时间‘,

  `uname` varchar(64) DEFAULT NULL COMMENT ‘房东姓名‘,

  `state` int(11) DEFAULT NULL COMMENT ‘申请状态‘,

  `intime` varchar(64) DEFAULT NULL COMMENT ‘入住时间‘,

  `renttype` int(11) DEFAULT NULL COMMENT ‘租住类型‘,

  `price` double DEFAULT NULL COMMENT ‘价格‘,

  `hname` varchar(64) DEFAULT NULL COMMENT ‘房子姓名‘,

  `huid` int(11) DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8;

8:用户表

CREATE TABLE `user` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `username` varchar(255) DEFAULT NULL,

  `password` varchar(255) DEFAULT NULL,

  `realname` varchar(255) DEFAULT NULL,

  `role` varchar(32) DEFAULT ‘s‘ COMMENT ‘admin guest‘,

  `image` varchar(64) DEFAULT NULL COMMENT ‘u图片‘,

  `address` varchar(255) DEFAULT NULL COMMENT ‘收货地址‘,

  `phone` varchar(64) DEFAULT NULL,

  `idnumber` varchar(65) DEFAULT NULL COMMENT ‘身份证号‘,

  `tel` varchar(64) DEFAULT NULL,

  `sex` int(11) DEFAULT ‘0‘,

  `pay` int(11) DEFAULT NULL,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=10 DEFAULT CHARSET=utf8;

(二)典型代码展示部分:(代码不知道贴什么,所以详细设计与系统实现还是见文档吧)

import java.util.*;

import java.util.Map.Entry;

/**

 * 基于用户的协同过滤推荐算法实现

 * @author Administrator

 */

public class UserCF {

       /**

        *

        * @param userList 用户喜好集合

        * @param recommendUser 需要的用户

        * @return

        */

       public List<Integer> recoment(List<RecommentUser> userList,Integer recommendUser){

              List<Sorf> sorfList = new ArrayList<>();

              int[][] sparseMatrix = new int[userList.size()][userList.size()];//建立用户稀疏矩阵,用于用户相似度计算【相似度矩阵】

              Map<Integer, Integer> userItemLength = new HashMap<>();//存储每一个用户对应的不同物品总数  eg: A 3

              Map<Integer, Set<Integer>> itemUserCollection = new HashMap<>();//建立物品到用户的倒排表 eg: a A B

              Set<Integer> items = new HashSet<>();//辅助存储物品集合

              Map<Integer, Integer> userID = new HashMap<>();//辅助存储每一个用户的用户ID映射

              Map<Integer, Integer> idUser = new HashMap<>();//辅助存储每一个ID对应的用户映射

              System.out.println("Input user--items maping infermation:<eg:A a b d>");

 

              for(int i = 0; i < userList.size() ; i++){//依次处理N个用户 输入数据  以空格间隔

                     RecommentUser user = userList.get(i);

                     int uid = userList.get(i).getId();

                     int size = userList.get(i).getLikeList().size();

                     userItemLength.put(uid, size);//eg: A 3

                     userID.put(uid, i);//用户ID与稀疏矩阵建立对应关系

                     idUser.put(i, uid);

                     //建立物品--用户倒排表

                     for(int j = 0; j < size; j ++){

                            if(items.contains(user.getLikeList().get(j))){//如果已经包含对应的物品--用户映射,直接添加对应的用户

                                   itemUserCollection.get(user.getLikeList().get(j)).add(uid);

                            }else{//否则创建对应物品--用户集合映射

                                   items.add(user.getLikeList().get(j));

                                   itemUserCollection.put(user.getLikeList().get(j), new HashSet<Integer>());//创建物品--用户倒排关系

                                   itemUserCollection.get(user.getLikeList().get(j)).add(uid);

                            }

                     }

              }

 

 

              System.out.println(itemUserCollection.toString());

              //计算相似度矩阵【稀疏】

              Set<Entry<Integer, Set<Integer>>> entrySet = itemUserCollection.entrySet();

              Iterator<Entry<Integer, Set<Integer>>> iterator = entrySet.iterator();

              while(iterator.hasNext()){

                     Set<Integer> commonUsers = iterator.next().getValue();

                     for (Integer user_u : commonUsers) {

                            for (Integer user_v : commonUsers) {

                                   if(user_u.equals(user_v)){

                                          continue;

                                   }

                                   sparseMatrix[userID.get(user_u)][userID.get(user_v)] += 1;//计算用户u与用户v都有正反馈的物品总数

                            }

                     }

              }

 

              for (int i = 0; i < userList.size(); i++) {

                     System.out.println("用户" + userList.get(i).getId() + ":" + userList.get(i).getLikeList().toString());

              }

              //计算用户之间的相似度【余弦相似性】

              int recommendUserId = userID.get(recommendUser);

              for (int j = 0;j < sparseMatrix.length; j++) {

                     if(j != recommendUserId){

                            System.out.println(idUser.get(recommendUserId)+"--"+idUser.get(j)+"相似度:"+sparseMatrix[recommendUserId][j]/Math.sqrt(userItemLength.get(idUser.get(recommendUserId))*userItemLength.get(idUser.get(j))));

                     }

              }

 

              //计算指定用户recommendUser的物品推荐度

              for(Integer item: items){//遍历每一件物品

                     Set<Integer> users = itemUserCollection.get(item);//得到购买当前物品的所有用户集合

                     if(!users.contains(recommendUser)){//如果被推荐用户没有购买当前物品

                            // 则进行推荐度计算

                            double itemRecommendDegree = 0.0;

                            for(Integer user: users){

                                   itemRecommendDegree += sparseMatrix[userID.get(recommendUser)][userID.get(user)]/Math.sqrt(userItemLength.get(recommendUser)*userItemLength.get(user));//推荐度计算

                            }

                            System.out.println("商品"+item+" 对用户 "+recommendUser +"‘推荐度:"+itemRecommendDegree);

                            Sorf sorf = new Sorf(item,itemRecommendDegree);

                            sorfList.add(sorf);

                     }

              }

              Collections.sort(sorfList);

              int size = 0;

              if(sorfList.size() <5){

                     size = sorfList.size();

              }else {

                     size = 4;

              }

              List<Integer> ids = new ArrayList<>();

              for (int i = 0; i < size; i++) {

                     ids.add(sorfList.get(i).getKey());

              }

              return ids;

       }

}

以上是关于诚意租房网blog2的主要内容,如果未能解决你的问题,请参考以下文章

诚意租房网blog3

创建租房网House脚本

第五章项目----租房网

05章项目:我的租房网

爬取赶集网的租房信息

爬取链家网租房图 使用ImagesPipeline保存图片