问题公式化
我们想要从高层次角度来构建一个自动完成的字段，所以当我们键入一些字符时，它建议从这些图书的标题开始。
从GUI的角度来看，需要的是一个TextField或者ComboBox，它显示了一些像findTitlesThatStartWith（chars [] ch）这样的服务提供的选项列表。幸运的是，在Swing（也是JavaScript或jQuery）中已经有了现有的GUI组件。对于这篇文章，构建GUI自动完成组件并不是关注的焦点，尽管构建它们可能是一个很大的挑战。
另一方面，实现findTitlesThatStartWith（chars [] ch）则更具吸引力，因为它提供了一个机会，可以从数据的角度优化向客户提供的内容。从特定字符开始可能会有一个长列表，所以我们只能返回有限数量的标题，这个短名单中包含的内容尽可能多地从用户的角度来理解。
这有一些选项：
按照一些标准（字母顺序）对列表进行排序，然后只返回前10位（或任何有意义的数字）
计算用户获得标题的次数，只显示前10个最高的标题
显示最受用户欢迎的10大标题
根据当前的用户偏好显示最感兴趣的前10名
一旦我们在高层次上表明什么样的服务将返回，就是时候研究如何在相当大的标题集合中搜索标题。
同样，这也有各种各样的选择：
我们搜索所有的列表/数组和每个标题，我们看看ut是否从这些字符开始：
如果N代表列表的大小，k是单词的长度，我们需要θ（N * k）时间来搜索。插入新标题需要一定的时间（θ（1）），虽然有添加新电影，但情况相当少。
由于这是一个搜索问题，HashTable可能是一个选项，因为它的访问和插入速度非常快（θ（1））。不幸的是，HashTables只能查找整个单词匹配，而不是匹配前缀（即以......开始的标题）。
同样，我们可以考虑一个平衡良好的二叉树。因为它给了我们θ（log（N），即所有标题的大小乘以搜索和插入的复杂度。同样，二叉树没有帮助，因为它们找不到前缀匹配而是精准匹配。
幸运的是，现有的数据结构已经准备好用于查找前缀匹配。关于这个数据结构的好处是，只要稍作修改，它就会给你提供搜索时间复杂度θ（k），其中k是前缀的长度。是的，有一个小问题：你可能需要更多的存储空间。
尝试
在本节中，我们将探讨试图如何在标题（单词）列表中搜索前缀匹配。一旦你理解了单词的插入方式，就相当容易理解：
接下来让我们看看如何搜索以“te”开头的标题：
你可能在想，没有那么快！事实上，复杂度是θ（k + M），其中k是前缀的长度，M是建议列表或最后一个节点匹配下的子树的大小（直接子节点保存在HashTable中，因此需要经常查找字符匹配）。 无论如何，我们需要遍历子树来收集建议的单词/标题 - 如果列出的结果很多，则会显著减慢算法的速度。
当然，它比θ（k * N）好，其中k是前缀的长度，N是所有列表的大小。但是，我们能做得更好吗？ 那么，我们可以稍微增加节点来存储更多的信息，而不仅仅是字符，如下所示：
由于该节点已经具有子树包含的单词列表，所以该修改可以极大地帮助避免在最后一个匹配节点下的所有子树。下面看看现在搜索的结果：
最终变更
在算法准备好实施之前，还有一个小诀窍要做。标题通常是句子而不是一个单词。如果我们只搜索标题的开头部分，这将不是很有用，例如，很多标题以“这”开头。因此，如果用户搜索以其中一个词开头的标题，很可能会搜索不出来。
解决方案很简单！我们只是将每个单词分别插入到树中，并将标题的所有句子保存到节点建议列表中。现在，不再只提供单词建议，而是有一个句子列表。这样，我们可以搜索中间的单词，同时能够提出所有的标题句子。
推荐系统
我们只有极少数的建议，所以涉及到向用户在提出什么样的建议时，我认为最好的选择是展示与用户兴趣更贴近或更接近的东西。这促成推荐系统的形成。
推荐系统根据用户偏好和数据趋势提出建议信息。这些系统的主要优点是可以自动学习，更多地了解用户的喜好。基本上，更多的用户与系统交互的越多（即喜欢或点击特定的书籍或电影），系统将提出更多更好的建议（即更接近用户的兴趣）。
数据
感谢这个来源提供了足够的数据来构建一个有意义的算法。数据集相当大，约有271.000本书、110万的收视率和279,000用户。
应用
应用程序可以在没有任何Java知识的情况下下载和执行（尽管Java必须安装在你的计算机上，我们可以通过简单地执行RUN类来运行应用程序，或者如果你不想使用IDE打开它，只需运行mvn exec：java。
你可以通过对某些书籍进行评分来试用（请注意，如果书籍未先评分，则不会提出建议），然后在该字段中搜索自动填充建议。随意游玩（50个功能不需要太多时间来训练），并注意算法如何根据你的喜好进行调整。对于50种类型，给出预测评级的建议以及算法的误差（均方误差）将不会超过30秒。你还可以将评级数据的规模增加到1,149,000，但请注意培训过程的速度需要放缓。
该应用程序使用Swing作为GUI和Spark MLib构建协作过滤算法。运行后，屏幕显示如下：
