Question

我想建立一个基本的电影推荐系统。我搜索了一下，发现了aph mahout。我使用了一些方法，但我不知道如何使用这些结果。

import java.io.File;
import java.io.IOException;
import org.apache.mahout.cf.taste.common.TasteException;
import org.apache.mahout.cf.taste.eval.RecommenderBuilder;
import org.apache.mahout.cf.taste.eval.RecommenderEvaluator;
import org.apache.mahout.cf.taste.impl.eval.RMSRecommenderEvaluator;
import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.impl.similarity.TanimotoCoefficientSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;

public class error {

  public  static double evaluate(DataModel model){
    RecommenderEvaluator evaluator = new RMSRecommenderEvaluator();
    RecommenderBuilder builder = new RecommenderBuilder() {

        @Override
        public Recommender buildRecommender(DataModel model) throws TasteException {
            UserSimilarity similarity = new TanimotoCoefficientSimilarity(model);
            UserNeighborhood neighborhood = new NearestNUserNeighborhood(50, similarity,        model);
            return new GenericUserBasedRecommender(model, neighborhood, similarity);
        }
    };

    double score = 0;
    try {

        score = evaluator.evaluate(builder, null, model, 0.7, 1.0);
    } catch (TasteException e) {
    }
    System.out.println(score);
    return score;
}
public static void main(String[] args) throws IOException, TasteException {
     DataModel model = new FileDataModel(new File("u1.base"));
    evaluate(model);
}

}

和这样的结果

Şub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：为文件u1.base创建FileDataModelŞub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：读取文件信息...Şub 03,2014 2:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：Read lines：80000Şub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：已处理943位用户Şub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：使用开始评估 0.7 FileDataModel [dataFile：C：\ Users \ HydrojaN \ Documents \ NetBeansProjects \ JavaApplication1 \ u1.base] Şub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：处理了943位用户Şub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info INFO：开始评估941 用户Şub03,20142:06:44 PM org.slf4j.impl.JCLLoggerAdapter info 信息：4个线程中的941个任务的开始时间Şub03,20142:06:45 PM org.slf4j.impl.JCLLoggerAdapter info INFO：平均每个时间推荐：193毫秒Şub03,20142:06:45 PM org.slf4j.impl.JCLLoggerAdapter info INFO：使用的近似内存： 86MB /276MBŞub03,20142:06:45 PM org.slf4j.impl.JCLLoggerAdapter info INFO：29个案例无法推荐

1.0364950141746245

Şub03,20142:07:49 PM org.slf4j.impl.JCLLoggerAdapter info 信息：评估结果：1.0364950141746245 建立成功（总时间：1分5秒）

Answer 1

在Mahout邮件列表上获取Mahout答案总是更容易。

也就是说，您不需要对Mahout API本身做很多事情就可以构建一个简单的推荐器。我建议你使用搜索滥用风格的推荐器。在此方法中，您运行Mahout作业来分析日志，然后将这些日志导入搜索引擎，如Solr或Elastic Search。然后，此搜索引擎充当推荐者。

有关更多详情，请参阅http://www.youtube.com/watch?v=fWR1T2pY08Y

Answer 2

您想要进行评估还是想要使用推荐器。使用上面的代码，您可以根据数据集评估算法的效率（相似性度量和推荐算法）。如果您想使用推荐人产生的结果，您可以使用以下简单代码：

class RecommenderExample { 

      public static void main(String[] args) throws Exception {
            DataModel model = new FileDataModel (new File("u1.base"));

            UserSimilarity similarity = new TanimotoCoefficientSimilarity(model);
            UserNeighborhood neighborhood = new NearestNUserNeighborhood(50, similarity,        model);

            Recommender recommender = new GenericUserBasedRecommender (model, neighborhood, similarity);

            List<RecommendedItem> recommendations = recommender.recommend(1, 1);

            //Print the results
            for (RecommendedItem recommendation : recommendations) {
                 System.out.println(recommendation);
             }
    }
}

在任何情况下，您都需要评估以选择最佳算法，但最后如果您想向用户推荐项目，您可以使用类似此类似的代码。

您可以在Mahout in Action一书中找到有关Mahout的更多信息。

我怎样才能使用mahout结果？

2 个答案: