【甘道夫】Mahout推荐算法编程实践

引言

Taste是曾经风靡一时的推荐算法框架，后来被并入 Mahout中，Mahout的部分推荐算法基于Taste实现。

下文介绍基于Taste实现最常用的UserCF和ItemCF。

本文不涉及 UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。

---

欢迎转载，请注明来源：

http://blog.csdn.net/u010967382/article/details/39183839

---

步骤一：构建数据模型

UserCF和ItemCF算法的输入数据是用户偏好，用户偏好数据可以有两种形式：

• 包含用户对目标评分的【用户ID，itemID，评分】
  
• 不包含评分的【用户ID，itemID】
  

推荐算法的第一步是基于数据源构建数据模型， Taste构建数据模型的数据源可以有很多，比如JDBC，文件等。

下面仅介绍最常用的文件数据源：

• 用户偏好数据包含评分
  

示例代码：

DataModel dm = new FileDataModel(new File("E:\\testdata\\3columns"));

• 用户偏好数据不包含评分
  

示例代码：

DataModel dm = new GenericBooleanPrefDataModel(

GenericBooleanPrefDataModel

.toDataMap(new FileDataModel(new File("E:\\testdata\\2columns"))));

---

步骤二：指定距离（相似度）计算方法

创建好数据模型后，第二步需要指定一种计算“距离”的方法，因为在后续的步骤中需要计算user或item之间的“距离”。

Taste提供的计算距离的方法很多，以下仅介绍 常用的方法：

• 用户偏好数据包含评分   
  

欧氏距离 ： EuclideanDistanceSimilarity

皮尔森距离 ： PearsonCorrelationSimilarity

余弦距离 ： UncenteredCosineSimilarity

• 用户偏好数据不包含评分  
  

曼哈顿距离 ： CityBlockSimilarity

对数似然距离： LogLikelihoodSimilarity

示例代码：

UserSimilarity  us  = new CityBlockSimilarity(dm);

ItemSimilarity is = new CityBlockSimilarity(dm);

---

步骤三（仅UserCF需要）：选择近邻算法

如果选择使用UserCF算法做推荐，则在完成相似度计算方法的指定后，需要指定近邻算法。

• NearestNUserNeighborhood
  

指定距离最近的N个用户作为邻居。

示例： UserNeighborhood unb = new NearestNUserNeighborhood(10, us, dm);

三个参数分别是： 邻居的个数，用户相似度，数据模型   

• ThresholdUserNeighborhood
  

指定距离最近的一定百分比的用户作为邻居。

示例： UserNeighborhood unb = new ThresholdUserNeighborhood(0.2, us, dm);

三个参数分别是： 阀值（取值范围0到1之间），用户相似度，数据模型

---

步骤四：创建推荐器

实施推荐算法的最后一步就是创建推荐引擎，Taste为UserCF和ItemCF算法， 针对有用户评分和没用户评分的情况，分别提供了推荐器：

• 用户偏好数据包含评分  
  

示例代码：

UserCF： Recommender re = new GenericUserBasedRecommender(dm, unb, us);

ItemCF： Recommender re = new  GenericItemBasedRecommender(dm, is);

• 用户偏好数据不包含评分  
  

示例代码：

UserCF： Recommender re = new GenericBooleanPrefUserBasedRecommender(dm, unb, us);

ItemCF： Recommender re = new GenericBooleanPrefItemBasedRecommender(dm, is);

---

题外话：

通过召回率和查准率的测试， CityBlockSimilarity + UserCF 的推荐效果最好。

---

示例代码：用户偏好数据不包含评分 + CityBlockSimilarity + UserCF

• 用户偏好数据
  

1,101

1,102

1,103

2,101

2,102

2,103

2,104

3,101

3,104

3,105

3,107

4,101

4,103

4,104

4,106

5,101

5,102

5,103

5,104

5,105

5,106

• 代码
  

import java.io.File;

import java.util.List;

import org.apache.mahout.cf.taste.impl.model.GenericBooleanPrefDataModel;

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.GenericBooleanPrefUserBasedRecommender;

import org.apache.mahout.cf.taste.impl.similarity.CityBlockSimilarity;

import org.apache.mahout.cf.taste.model.DataModel;

import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;

import org.apache.mahout.cf.taste.recommender.RecommendedItem;

import org.apache.mahout.cf.taste.recommender.Recommender;

import org.apache.mahout.cf.taste.similarity.UserSimilarity;

public class UserCFRecommender {

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

        // 创建数据模型，不包含用户评分

        DataModel dm = new GenericBooleanPrefDataModel(

                GenericBooleanPrefDataModel

                        .toDataMap(new FileDataModel( new File( "E:\\testdata\\2columns" ))));

        // 使用曼哈顿距离计算相似度

        UserSimilarity us = new CityBlockSimilarity(dm);

        //指定NearestNUserNeighborhood作为近邻算法

        UserNeighborhood unb = new NearestNUserNeighborhood(10, us, dm);

        

        // 构建不包含用户评分的UserCF推荐器

        Recommender re = new GenericBooleanPrefUserBasedRecommender(dm, unb, us);

        

        // 输出推荐结果，为1号用户推荐5个商品

        List list = re.recommend(1, 5);

        for (RecommendedItem recommendedItem : list) {

            System.out.println(recommendedItem.getItemID()+" : "+recommendedItem.getValue());  

        }

    }

}