在Apache Mahout中计算首选项值

Question

我正在尝试学习Apache mahout，这是该主题的新手。 我想实现基于用户的推荐器。 为此，在互联网上进行探索之后，我发现了以下示例

public static void main(String[] args) {
        try {
            int userId = 2;

            DataModel model = new FileDataModel(new File("data/mydataset.csv"), ";");
            UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
            UserNeighborhood neighborhood = new NearestNUserNeighborhood(2, similarity, model);
            UserBasedRecommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);

            List<RecommendedItem> recommendations = recommender.recommend(userId, 3);
            for (RecommendedItem recommendation : recommendations) {
                logger.log(Level.INFO, "Item Id recommended : " + recommendation.getItemID() + " Ratings : "
                        + recommendation.getValue() + " For UserId : " + userId);
            }
        } catch (Exception e) {
            logger.log(Level.SEVERE, "Exception in main() ::", e);
        }

我正在使用以下数据集，其中分别包含用户ID，项目ID，首选项值，

1,10,1.0
1,11,2.0
1,12,5.0
1,13,5.0
1,14,5.0
1,15,4.0
1,16,5.0
1,17,1.0
1,18,5.0
2,10,1.0
2,11,2.0
2,15,5.0
2,16,4.5
2,17,1.0
2,18,5.0
3,11,2.5
3,12,4.5
3,13,4.0
3,14,3.0
3,15,3.5
3,16,4.5
3,17,4.0
3,18,5.0
4,10,5.0
4,11,5.0
4,12,5.0
4,13,0.0
4,14,2.0
4,15,3.0
4,16,1.0
4,17,4.0
4,18,1.0

在这种情况下，它可以正常工作，但我的主要问题是我拥有不包含首选项值的不同数据集，其中包含一些基于我正在考虑计算首选项值的数据。 以下是我的新数据集，

userid  itemid  likes   shares  comments
1        4       1      20      3
2        6       18     20      12
3        12      10     2       20
4        7       0      20      13
5        9       0      2       1
6        5       5      3       2
7        3       9      7       0
8        1       15     0       0

我的问题是如何根据其他一些列（如顶，分享，评论等）为特定记录计算首选项值。是否有任何方法可以在mahout中进行计算？

Answer 1

是的-我认为您的代码段来自Mahout的较旧版本，但是您要使用的是“相关相关事件”推荐器。 CCO推荐器是多模式的（允许用户输入各种内容）。

有CLI驱动程序，但我猜你想代码，还有斯卡拉教程这里

我认为在本教程中，建议根据标记的流派和“喜欢的”艺术家以及您当前的朋友推荐“朋友”。

Answer 2

正如@rawkintrevo所说，Mahout已从较旧的“品味”推荐者转移到其他人，他们很快就会从Mahout中弃用。

您可以在此处通过Mahout中的CCO算法构建自己的系统。 它允许您使用来自不同用户行为的数据，例如“喜欢，分享，评论”。 因此，我们称其为多模式。

或者在另一个项目中，我们基于Mahout创建了功能齐全的推荐服务器，称为Universal Recommender 。 它基于Apache PredicitonIO构建，其中UR是称为模板的插件。 他们一起提供了一个几乎交钥匙的服务器，该服务器接受输入并响应查询。 要轻松上手，请尝试使整个系统正常运行的AWS AMI 。 这里显示了其他一些安装方法。

这就是所有Apache许可的OSS，但是Mahout不再能够真正提供可用于生产的环境，Mahout可以执行算法，但是您需要一个围绕它的系统。 构建自己的数据库或尝试使用基于PredictionIO的数据库。 由于一切都是OSS，因此您可以根据需要进行调整。